Actu News · lundi 31 août 2026 Monday 31 August 2026 Actu Semaine 36

Nvidia s'offre Hugging Face pour 12,9 milliards : le GitHub de l'IA change de mains Nvidia buys Hugging Face for $12.9 billion: the GitHub of AI changes hands

Le 27 août, The Information révèle que Nvidia a accepté de racheter Hugging Face pour 12,9 Md$. Le hub de 13 millions de développeurs passerait chez le vendeur de puces. Plus : Amazon ferme Mechanical Turk après 21 ans, deux RCE critiques dans Next.js, résultats records de Nvidia à 96,2 Md$. On August 27, The Information revealed that Nvidia agreed to acquire Hugging Face for $12.9B. The hub serving 13 million developers would belong to the chip vendor. Plus: Amazon shuts down Mechanical Turk after 21 years, two critical RCEs in Next.js, record Nvidia earnings at $96.2B.

La une

Le jeudi 27 août, The Information lâche l’info de la semaine : Nvidia a accepté de racheter Hugging Face pour 12,9 milliards de dollars. CNBC, Bloomberg, Fortune et Forbes reprennent dans la foulée. Précision importante, et c’est une leçon de lecture de presse tech en soi : aucun accord n’est signé. TechCrunch le rappelle noir sur blanc, le deal peut encore capoter, et ni Nvidia ni Hugging Face n’ont commenté. Tout repose sur « une personne ayant une connaissance directe des discussions ».

Pourquoi c’est énorme quand même ? Parce que Hugging Face n’est pas une startup IA parmi d’autres : c’est le GitHub des modèles. Plus de 13 millions de développeurs y publient, téléchargent et testent des modèles open weight, des datasets et des Spaces. Si vous avez déjà fait un from transformers import AutoModel, vous êtes client. La dernière levée de fonds valorisait la société 4,5 milliards (235 M$ levés en 2023) : Nvidia paierait presque le triple, et les discussions auraient démarré parce qu’un autre acquéreur s’était manifesté.

L’intérêt stratégique est limpide : Nvidia vend les puces, finance les datacenters de ses clients (le montage OpenAI/Ohio de la semaine 35), et s’offrirait maintenant la place de marché où circulent les modèles. De la sortie d’usine du GPU jusqu’au model.safetensors téléchargé par le développeur, toute la chaîne passerait par la même entreprise.

C’est exactement ce qui inquiète la communauté : Hugging Face devait sa position à sa neutralité. Le hub héberge les modèles de Meta, Google, Mistral, Qwen, DeepSeek, tous concurrents ou presque de Nvidia sur un maillon de la chaîne. Un hub possédé par le fournisseur de compute dominant, c’est la question du conflit d’intérêts posée à l’échelle de l’écosystème : les modèles optimisés CUDA seront-ils mieux mis en avant ? Les alternatives AMD ou les puces maison des clouds seront-elles traitées à égalité ?

🎤 En entretien : sachez dire ce qu’est Hugging Face en une phrase (« le hub où l’écosystème publie et consomme les modèles open weight, l’équivalent de GitHub ou npm pour l’IA ») et pourquoi ce rachat ferait débat (neutralité d’une infrastructure critique rachetée par le fournisseur dominant du compute). Et placez la nuance « annoncé par la presse, pas signé » : distinguer un fait établi d’une information rapportée, c’est précieux dans une équipe.

Aussi cette semaine

Quoi	Qui	Pourquoi c’est notable
Mechanical Turk ferme le 30 septembre après 21 ans	Amazon	Annoncé le 25 août. La place de marché de micro-tâches humaines (étiquetage, transcription, plus de 500 000 workers au pic), que Bezos appelait « artificial artificial intelligence », a étiqueté les datasets de toute l’ère du machine learning. SageMaker Ground Truth et Augmented AI ferment aussi : Amazon sort entièrement du marché de l’annotation, laissé à Scale AI, Mercor et Prolific
Deux RCE critiques non authentifiées corrigées en urgence	Next.js	Release avancée au 25 août (annoncée pour le 26 dans notre fiche de la semaine 35). Une faille dans libheif, utilisée par sharp pour l’optimisation d’images AVIF : une image piégée suffit, l’optimisation AVIF est désactivée en attendant le correctif amont. Et CVE-2026-75604 : RCE sur les serveurs Next.js hébergés sous Windows. Correctifs : 16.3.3 et 15.5.24
Résultats trimestriels records : 96,2 Md$	Nvidia	Le 26 août : +106 % sur un an, dont 89 Md$ de datacenter (+117 %), portés par Blackwell Ultra. Guidance à 108 Md$ pour le trimestre suivant, et Jensen Huang projette +70 % de croissance pour l’exercice 2028. L’action baisse quand même : le marché price déjà la perfection
Sa puce d’inférence maison battrait Blackwell en perf/watt	OpenAI	Selon des benchmarks rapportés le 26 août. Le plus gros client de Nvidia construit de quoi s’en passer pour l’inférence, pendant que Nvidia rachète le hub des modèles : chacun remonte la chaîne de valeur de l’autre
Accord jusqu’à 16,68 Md$ sur la protection des mineurs	Meta	Réglé avec 52 procureurs généraux américains, en plein procès : plafond de 2h par jour pour les moins de 18 ans, blocage nocturne, vérification d’âge renforcée, auditeur indépendant. Le design addictif devient un risque juridique chiffré en milliards

Pourquoi ça vous concerne

Hugging Face est probablement déjà dans votre stack. transformers, datasets, un modèle d’embedding téléchargé du hub : c’est une dépendance d’infrastructure, comme npm ou PyPI. Le réflexe pro n’est pas de paniquer, c’est de connaître ses dépendances : quels modèles votre projet télécharge, sous quelle licence, et que se passerait-il si les conditions du hub changeaient. Pour un modèle critique en production, un miroir interne se justifie.
« Rapporté » n’est pas « signé ». Cette semaine, la moitié des titres disent « Nvidia rachète », l’autre « serait en discussions ». Remontez à la source primaire (dépôt SEC, communiqué, blog officiel) avant de citer un fait en entretien ou de prendre une décision technique dessus.
Mettez à jour Next.js maintenant. Une RCE non authentifiée via une image AVIF piégée, c’est le pire scénario : la faille n’est même pas dans Next.js mais dans libheif, deux étages plus bas dans la chaîne de dépendances (Next.js → sharp → libheif). Votre surface d’attaque inclut les dépendances de vos dépendances.
La fin de MTurk raconte où va le travail de la donnée. Le micro-étiquetage à 2 centimes la tâche est mort, absorbé par les modèles eux-mêmes. Ce qui reste et paie : l’annotation experte, l’évaluation de réponses de modèles, le RLHF. La qualité des données est un vrai sujet de stage ML, pas une corvée.
Suivez l’argent pour cibler vos candidatures. 89 Md$ de datacenter en un trimestre chez Nvidia : l’infrastructure IA embauche. Et l’ironie OpenAI/Nvidia (le client fait des puces, le fournisseur achète le hub de modèles) montre que les frontières bougent : les compétences transverses (systèmes, réseau, optimisation) restent les plus portables.

En entretien

« C’est quoi Hugging Face, concrètement ? »

Trois briques. Le hub : un dépôt géant de modèles, datasets et démos (Spaces), versionné avec git, où Meta, Google, Mistral ou DeepSeek publient leurs modèles ouverts. Les bibliothèques : transformers, datasets, tokenizers, devenues l’interface standard pour charger et exécuter un modèle en Python. Et une communauté de plus de 13 millions de développeurs. C’est l’équivalent de GitHub ou npm pour l’IA : pas indispensable en théorie, incontournable en pratique. D’où l’émotion quand le fournisseur de puces dominant veut le racheter.

« Une faille critique est publiée dans une dépendance de votre framework. Vous faites quoi ? »

D’abord évaluer l’exposition : suis-je concerné (version, plateforme, fonctionnalité activée) ? Pour la faille AVIF de cette semaine : est-ce que mon app optimise des images fournies par les utilisateurs ? Ensuite corriger vite avec la version patchée, ou couper la fonctionnalité si le patch n’existe pas encore (c’est ce que fait Next.js : AVIF désactivé en attendant libheif). Enfin vérifier en profondeur : un npm audit ou équivalent, car la faille est souvent dans une dépendance transitive que vous n’avez jamais installée consciemment. Bonus : citer le vrai exemple Next.js → sharp → libheif montre que vous suivez l’actu.

« L’IA a-t-elle encore besoin d’humains dans la boucle ? »

Oui, mais plus les mêmes. La fermeture de Mechanical Turk le 30 septembre 2026 marque la fin du micro-étiquetage de masse : classifier une image ou transcrire 10 secondes d’audio, les modèles le font. Le travail humain s’est déplacé vers le haut : annotation par des experts du domaine (médecine, droit, code), évaluation comparative de réponses, RLHF. Les startups qui recrutent ces experts (Scale AI, Mercor, Prolific) ont remplacé MTurk. La bonne réponse en entretien tient en une phrase : l’humain est passé de la production de données brutes au contrôle qualité du raisonnement.

Pour aller plus loin

The big story

On Thursday, August 27, The Information dropped the story of the week: Nvidia has agreed to acquire Hugging Face for $12.9 billion. CNBC, Bloomberg, Fortune and Forbes picked it up within hours. One important caveat, and it is a lesson in reading tech news by itself: no agreement has been signed. TechCrunch states it plainly, the deal could still fall apart, and neither Nvidia nor Hugging Face commented. Everything rests on “a person with direct knowledge of the talks”.

Why is it huge anyway? Because Hugging Face is not just another AI startup: it is the GitHub of models. More than 13 million developers publish, download and test open weight models, datasets and Spaces there. If you have ever typed from transformers import AutoModel, you are a user. The last funding round valued the company at $4.5 billion ($235M raised in 2023): Nvidia would pay almost triple that, and the talks reportedly started because another suitor had shown interest.

The strategic logic is crystal clear: Nvidia sells the chips, finances its customers’ data centers (the OpenAI/Ohio deal from week 35), and would now own the marketplace where models circulate. From the GPU leaving the factory to the model.safetensors a developer downloads, the whole chain would run through one company.

That is exactly what worries the community: Hugging Face owed its position to its neutrality. The hub hosts models from Meta, Google, Mistral, Qwen, DeepSeek, all competitors of Nvidia somewhere along the chain. A hub owned by the dominant compute supplier raises the conflict of interest question at ecosystem scale: will CUDA-optimized models get better placement? Will AMD alternatives or the clouds’ custom chips be treated equally?

🎤 In an interview: know how to say what Hugging Face is in one sentence (“the hub where the ecosystem publishes and consumes open weight models, the GitHub or npm of AI”) and why this acquisition would be controversial (the neutrality of critical infrastructure bought by the dominant compute supplier). And add the nuance “reported by the press, not signed”: telling an established fact from a reported one is a valuable skill on any team.

Also this week

What	Who	Why it matters
Mechanical Turk shuts down on September 30 after 21 years	Amazon	Announced August 25. The human micro-task marketplace (labeling, transcription, over 500,000 workers at its peak), which Bezos called “artificial artificial intelligence”, labeled the datasets of the entire machine learning era. SageMaker Ground Truth and Augmented AI close too: Amazon exits the annotation market entirely, leaving it to Scale AI, Mercor and Prolific
Two critical unauthenticated RCEs patched urgently	Next.js	Release moved up to August 25 (announced for the 26th in our week 35 brief). A flaw in libheif, used by sharp for AVIF image optimization: one crafted image is enough, AVIF optimization is disabled until the upstream fix lands. And CVE-2026-75604: RCE on Windows-hosted Next.js servers. Fixes: 16.3.3 and 15.5.24
Record quarterly results: $96.2B	Nvidia	On August 26: up 106% year over year, including $89B of data center revenue (up 117%), driven by Blackwell Ultra. Guidance at $108B for next quarter, and Jensen Huang projects 70% growth for fiscal 2028. The stock still slipped: the market already prices in perfection
Its in-house inference chip reportedly beats Blackwell on perf/watt	OpenAI	According to benchmarks reported on August 26. Nvidia’s biggest customer is building its way out of Nvidia for inference, while Nvidia buys the model hub: each is climbing the other’s value chain
Settlement of up to $16.68B over minor protection	Meta	Settled with 52 US attorneys general, mid-trial: a 2-hour daily cap for under-18s, nighttime blocking, stronger age verification, an independent auditor. Addictive design is now a legal risk priced in billions

Why it matters to you

Hugging Face is probably already in your stack. transformers, datasets, an embedding model downloaded from the hub: it is infrastructure, like npm or PyPI. The professional reflex is not panic, it is knowing your dependencies: which models your project downloads, under which license, and what happens if the hub’s terms change. For a production-critical model, an internal mirror is worth it.
“Reported” is not “signed”. This week, half the headlines say “Nvidia buys”, the other half “reportedly in talks”. Go back to the primary source (SEC filing, press release, official blog) before quoting a fact in an interview or making a technical decision based on it.
Update Next.js now. An unauthenticated RCE via a crafted AVIF image is the worst-case scenario: the flaw is not even in Next.js but in libheif, two floors down the dependency chain (Next.js → sharp → libheif). Your attack surface includes your dependencies’ dependencies.
The end of MTurk tells you where data work is going. Two-cent micro-labeling is dead, absorbed by the models themselves. What remains and pays: expert annotation, model answer evaluation, RLHF. Data quality is a real ML internship topic, not a chore.
Follow the money to target your applications. $89B of data center revenue in one quarter at Nvidia: AI infrastructure is hiring. And the OpenAI/Nvidia irony (the customer builds chips, the supplier buys the model hub) shows the borders are moving: transferable skills (systems, networking, optimization) stay the most portable.

In an interview

“What is Hugging Face, concretely?”

Three building blocks. The hub: a giant repository of models, datasets and demos (Spaces), versioned with git, where Meta, Google, Mistral or DeepSeek publish their open models. The libraries: transformers, datasets, tokenizers, which became the standard interface for loading and running a model in Python. And a community of more than 13 million developers. It is the GitHub or npm of AI: not indispensable in theory, unavoidable in practice. Hence the reaction when the dominant chip supplier wants to buy it.

“A critical vulnerability is published in a dependency of your framework. What do you do?”

First assess exposure: am I affected (version, platform, feature enabled)? For this week’s AVIF flaw: does my app optimize user-supplied images? Then fix fast with the patched version, or disable the feature if no patch exists yet (which is what Next.js did: AVIF disabled while waiting for libheif). Finally check in depth: an npm audit or equivalent, because the flaw often sits in a transitive dependency you never consciously installed. Bonus: quoting the real Next.js → sharp → libheif example shows you follow the news.

“Does AI still need humans in the loop?”

Yes, but not the same ones. The shutdown of Mechanical Turk on September 30, 2026 marks the end of mass micro-labeling: classifying an image or transcribing 10 seconds of audio, models do that now. Human work moved up the stack: annotation by domain experts (medicine, law, code), comparative evaluation of answers, RLHF. The startups recruiting those experts (Scale AI, Mercor, Prolific) replaced MTurk. The interview-ready answer fits in one sentence: humans moved from producing raw data to quality-controlling reasoning.

Going further

S'entraîner sur ce sujet → Practice this topic →