Hugging Face listait 3 012 377 modèles publics au 22 août 2026, et environ 85,6% de tous les modèles du Hub comptent moins de 200 téléchargements sur toute leur vie. Le Hub a ajouté 1 184 880 modèles rien qu’en 2025, a franchi le million de jeux de données publics à l’été 2026, et les modèles chinois captent désormais 41% des téléchargements. En septembre 2026, NVIDIA a accepté de racheter l’entreprise dans une transaction d’environ 13 milliards de dollars, soit près de trois fois sa dernière valorisation privée. Nous avons agrégé les données des rapports State of Open Models et State of Open Source de Hugging Face, du dépôt SEC de NVIDIA, de l’AI Index 2026 de Stanford, de GitHub Octoverse 2025, de Linux Foundation Research, de Protect AI, de RedMonk et d’AI Forensics. Pour le panorama plus large, consultez nos tours d’horizon des statistiques sur l’IA open source et des statistiques sur les LLM open source.
TL;DR
- 3 012 377 modèles publics sur le Hub au 22 août 2026 (décomptes de l’API du Hub compilés par Ivan Fioravanti, blog Hugging Face 2026)
- Les jeux de données publics sont passés de 711 000 à 1 million entre janvier et août 2026 (Hugging Face, State of Open Models: Summer 2026)
- 85,6% des modèles comptent moins de 200 téléchargements sur toute leur vie, et 1,5% des dépôts captent 99,2% des téléchargements (Hugging Face, State of Open Models: Summer 2026)
- Les modèles de moins de 1B de paramètres captent 83% des téléchargements de tous les temps ; ceux de plus de 100B en captent 1% (Hugging Face, State of Open Models: Summer 2026)
- Les modèles chinois ont représenté 41% des téléchargements du Hub sur la dernière année (Hugging Face, State of Open Source: Spring 2026)
- Les développeurs indépendants génèrent désormais 39% des téléchargements, contre 17% avant 2022 (Hugging Face, State of Open Source: Spring 2026)
- Qwen a enregistré 2 045 millions de téléchargements sur le Hub en 2026 et 151 448 dépôts dérivés (Hugging Face, State of Open Models: Summer 2026)
- Le meilleur modèle fermé devance le meilleur modèle ouvert de 3,3%, contre 0,5% en août 2024 (Stanford HAI, AI Index Report 2026)
- Les modèles fermés coûtent en moyenne environ 6 fois plus cher que les modèles ouverts concurrents (Nagle et Yue, Linux Foundation 2025)
- Plus de 1,1 million de dépôts GitHub publics importent des SDK de LLM, en hausse de 178% sur un an (GitHub, Octoverse 2025)
- NVIDIA a accepté de payer environ 11,9 milliards de dollars, plus jusqu’à 1,0 milliard de dollars en actions de rétention, pour Hugging Face (NVIDIA Form 8-K, septembre 2026)
- Protect AI a signalé 352 000 problèmes dangereux ou suspects sur 51 700 modèles (Protect AI et Hugging Face, 2025)
1. Taille et croissance du Hub : modèles, jeux de données et Spaces
Le premier million de modèles a mis environ 940 jours à s’accumuler ; le troisième million, 349 jours, selon les décomptes de l’API du Hub compilés par Ivan Fioravanti sur le blog de Hugging Face. Le titre met en avant la vitesse, mais le détail est plus intéressant : le deuxième million a pris 335 jours, donc le rythme absolu a cessé de s’accélérer. Le rythme de 2026 le confirme. Avec 747 497 modèles en environ 7,7 mois, le rythme annualisé est d’environ 1,16 million (747 497 / 7,7 x 12), pratiquement stable par rapport aux 1 184 880 modèles ajoutés en 2025.
La croissance qui s’accélère encore se situe hors du nombre de modèles. Le rapport State of Open Models: Summer 2026 de Hugging Face montre des jeux de données en hausse d’environ 41% et des Spaces de 44% en sept mois, contre 21,5% pour les modèles. Le Hub passe d’un entrepôt de poids à un lieu où vivent les données et les applications en fonctionnement.
| Métrique | Valeur | Source |
|---|---|---|
| Modèles publics sur le Hub (22 août 2026) | 3 012 377 | Ivan Fioravanti, Three Million Models and Counting, blog Hugging Face 2026 |
| Dépôts de modèles publics, janv. à août 2026 | de 2,43 M à 2,96 M (+21,5%) | Hugging Face, State of Open Models: Summer 2026 |
| Jeux de données publics, janv. à août 2026 | de 711 000 à 1 000 000 | Hugging Face, State of Open Models: Summer 2026 |
| Spaces publics, janv. à août 2026 | de 1,00 M à 1,44 M | Hugging Face, State of Open Models: Summer 2026 |
| Modèles ajoutés en 2025 | 1 184 880 | Ivan Fioravanti, blog Hugging Face 2026 |
| Modèles ajoutés en 2026 jusqu’à la mi-août | 747 497 | Ivan Fioravanti, blog Hugging Face 2026 |
| Jours pour ajouter les 2e et 3e millions de modèles | 335 et 349 | Ivan Fioravanti, blog Hugging Face 2026 |
| Utilisateurs de Hugging Face (2025) | 13 millions | Hugging Face, State of Open Source: Spring 2026 |
Contexte : le chiffre de 3 012 377 ne compte que les dépôts publics. Les dépôts privés ne sont pas inclus, le nombre réel de modèles hébergés est donc plus élevé.
2. Téléchargements : une très longue traîne et une tête très courte
1,5% des dépôts concentrent 99,2% de tous les téléchargements sur Hugging Face. Le Hub se comporte moins comme une boutique d’applications que comme une archive de recherche où quelques milliers de titres sont lus en permanence et des millions sont classés une seule fois. Pour qui publie un modèle, le taux de base fait réfléchir : le dépôt médian n’est presque pas utilisé.
L’autre constat concerne la taille. Les petits modèles remportent la bataille des téléchargements avec une large avance, car ce sont eux qui sont intégrés dans des pipelines de production qui retéléchargent à chaque build. Le modèle le plus téléchargé de 2026, le modèle d’embedding de phrases all-MiniLM-L6-v2, a été récupéré 1,55 milliard de fois en sept mois, selon le rapport State of Open Models: Summer 2026. Les compteurs de téléchargements mesurent au moins autant les machines que les personnes.
| Métrique | Valeur | Source |
|---|---|---|
| Modèles avec moins de 200 téléchargements sur leur vie | ~85,6% | Hugging Face, State of Open Models: Summer 2026 |
| Part des téléchargements captée par les 1,5% de dépôts du haut | 99,2% | Hugging Face, State of Open Models: Summer 2026 |
| Part des téléchargements allant aux 200 premiers modèles (0,01%) | 49,6% | Hugging Face, State of Open Source: Spring 2026 |
| Part des téléchargements de tous les temps, modèles de moins de 1B de paramètres | 83% | Hugging Face, State of Open Models: Summer 2026 |
| Part des téléchargements de tous les temps, modèles de plus de 100B de paramètres | 1% | Hugging Face, State of Open Models: Summer 2026 |
| Téléchargements de all-MiniLM-L6-v2, sept premiers mois de 2026 | 1,55 milliard | Hugging Face, State of Open Models: Summer 2026 |
| Téléchargements analysés dans l’étude longitudinale du Hub (juin 2020 à août 2025) | 2,2 milliards sur 851 000 modèles | Longpre et al., Economies of Open Intelligence 2025 |
Note sur une valeur atypique : le rapport Spring 2026 indiquait qu’environ la moitié des modèles avaient moins de 200 téléchargements au total, alors que le rapport d’été indique qu’environ 85,6% ont moins de 200 téléchargements sur toute leur vie. Les deux rapports ont été publiés à cinq mois d’intervalle et n’explicitent pas des règles de comptage identiques ; considérez donc la part exacte comme indicative. Les deux s’accordent sur le fait que le modèle médian est à peine utilisé.
3. Qui construit l’IA ouverte : la Chine, Qwen et les développeurs indépendants
Les modèles chinois ont représenté 41% des téléchargements de Hugging Face sur la dernière année, dépassant les États-Unis, selon le rapport State of Open Source on Hugging Face: Spring 2026. Le second basculement est moins commenté mais tout aussi important : les laboratoires industriels sont passés d’environ 70% des téléchargements avant 2022 à environ 37%, tandis que les développeurs indépendants et sans affiliation sont passés de 17% à 39%. L’IA ouverte est désormais construite en majorité par des gens qui ne sont pas salariés d’un grand laboratoire.
Qwen est le point de rencontre des deux tendances. Hugging Face compte 151 448 dépôts dérivés basés sur Qwen, soit 2,6 fois l’empreinte totale de Meta et 4,7 fois celle de Llama seul. Les dérivés sont une meilleure mesure de l’influence que les téléchargements bruts, car ils montrent quel modèle de base les gens choisissent d’affiner et de déployer. Au sommet, les laboratoires chinois fixent aussi le plafond de taille : les sorties mensuelles ont culminé entre 754B et 2,78 billions de paramètres en 2026, tandis que le plafond américain est resté sous 130B pendant cinq mois sur sept (Hugging Face, State of Open Models: Summer 2026).
| Métrique | Valeur | Source |
|---|---|---|
| Part des modèles chinois dans les téléchargements du Hub, dernière année | 41% | Hugging Face, State of Open Source: Spring 2026 |
| Part des téléchargements attribuée aux développeurs, dernière année : Chine contre États-Unis | 17,1% contre 15,8% | Longpre et al., Economies of Open Intelligence 2025 |
| Part des téléchargements des développeurs indépendants et sans affiliation | 39% (17% avant 2022) | Hugging Face, State of Open Source: Spring 2026 |
| Part des téléchargements de l’industrie | ~37% (~70% avant 2022) | Hugging Face, State of Open Source: Spring 2026 |
| Téléchargements de Qwen sur le Hub en 2026 | 2 045 M (2 061 M en incluant tous les dépôts) | Hugging Face, State of Open Models: Summer 2026 |
| Dépôts dérivés basés sur Qwen | 151 448 (2,6x Meta, 4,7x Llama) | Hugging Face, State of Open Models: Summer 2026 |
| Téléchargements mensuels de GGUF : Qwen, Gemma, Llama | 39,6 M, 20,8 M, 7,5 M | Hugging Face, State of Open Models: Summer 2026 |
| Téléchargements de Qwen revendiqués par Alibaba (tous canaux) | plus de 3 milliards | Alibaba, rapporté par The Next Web, août 2026 |
Contexte : le chiffre de 41% et la répartition 17,1% contre 15,8% de l’article Economies of Open Intelligence reposent sur des méthodes d’attribution et des fenêtres temporelles différentes, ils ne sont donc pas directement comparables. L’affirmation d’Alibaba de 3 milliards est supérieure d’environ un tiers à ce que le Hub a lui-même enregistré, d’après la comparaison de The Next Web ; l’écart reflète probablement des téléchargements issus de canaux extérieurs à Hugging Face.
4. Taille des modèles, formats et outillage
Le modèle moyen du Hub est passé de 827M de paramètres en 2023 à 20,8B en 2025, tandis que la médiane n’a évolué que de 326M à 406M (Hugging Face, State of Open Source: Spring 2026). Cet écart dit tout de l’écosystème : une poignée de sorties à l’échelle de la frontière tirent la moyenne vers le haut, alors que le dépôt typique reste un petit affinage peu coûteux.
Les données sur les formats montrent où va cette demande de petits modèles. Les dépôts du Hub déclarant la bibliothèque GGUF ont augmenté de 464% en 2026, contre 16% pour transformers et peft, d’après le rapport State of Open Models: Summer 2026. GGUF est le format de l’inférence locale sur portables et ordinateurs de bureau, et MLX d’Apple (+148%) va dans le même sens. La robotique est l’autre secteur en percée : les jeux de données de robotique sont passés de 1 145 en 2024 à 26 991 en 2025, passant de la 44e place à la plus grande catégorie de jeux de données.
| Métrique | Valeur | Source |
|---|---|---|
| Taille moyenne des modèles, 2023 à 2025 | de 827M à 20,8B de paramètres | Hugging Face, State of Open Source: Spring 2026 |
| Taille médiane des modèles, 2023 à 2025 | de 326M à 406M de paramètres | Hugging Face, State of Open Source: Spring 2026 |
| Croissance de la taille moyenne des modèles, 2020 à 2025 | 17x | Longpre et al., Economies of Open Intelligence 2025 |
| Croissance de l’adoption de la quantification | 5x | Longpre et al., Economies of Open Intelligence 2025 |
| Croissance des architectures de mélange d’experts | 7x | Longpre et al., Economies of Open Intelligence 2025 |
| Croissance 2026 des dépôts déclarant GGUF / LeRobot / MLX | +464% / +194% / +148% | Hugging Face, State of Open Models: Summer 2026 |
| Jeux de données de robotique, 2024 à 2025 | de 1 145 à 26 991 | Hugging Face, State of Open Source: Spring 2026 |
Contexte : les agents de codage sont désormais un client mesurable du Hub. Dans le trafic étiqueté comme agent passant par huggingface_hub et la CLI hf, Claude Code détenait 44,4% en juillet 2026 (contre 67,8% en avril), tandis que Codex est passé de 10,4% à 20,8% (Hugging Face, State of Open Models: Summer 2026). Notre tour d’horizon des statistiques sur les agents IA suit le marché plus large des agents.
5. Ouvert contre fermé : performance, coût et adoption par les développeurs
Les modèles ouverts ont un peu perdu de terrain sur la qualité brute en 2025 : en mars 2026, le meilleur modèle fermé devance le meilleur modèle ouvert de 3,3%, contre 0,5% en août 2024, et six des dix premiers modèles de l’Arena sont fermés (Stanford HAI, AI Index Report 2026). Le même rapport fixe l’avance des États-Unis sur la Chine à seulement 2,7%.
Le prix raconte une autre histoire. À partir des données d’OpenRouter, Frank Nagle et Daniel Yue ont constaté que les modèles fermés captent environ 80% de l’usage et 96% des revenus bien qu’ils coûtent en moyenne environ six fois plus cher, tandis que les modèles ouverts atteignent couramment 90% ou plus de la performance des modèles fermés sur les benchmarks (Linux Foundation, Revealing the Hidden Economics of Open Models 2025). L’écart entre ouvert et fermé est moins un écart de capacité qu’un écart d’habitude et d’intégration, qui représente une estimation de 24,8 milliards de dollars par an d’économies non réalisées.
| Métrique | Valeur | Source |
|---|---|---|
| Avance du meilleur modèle fermé sur le meilleur modèle ouvert (mars 2026) | 3,3% (0,5% en août 2024) | Stanford HAI, AI Index Report 2026 |
| Modèles fermés dans le top 10 de l’Arena | 6 sur 10 | Stanford HAI, AI Index Report 2026 |
| Part des modèles fermés dans l’usage / les revenus des LLM | ~80% / 96% | Nagle et Yue, Linux Foundation 2025 |
| Coût moyen des modèles fermés par rapport aux modèles ouverts concurrents | ~6x plus élevé | Nagle et Yue, Linux Foundation 2025 |
| Économies annuelles non réalisées estimées grâce aux modèles ouverts | 24,8 Md USD (fourchette de 20 Md USD à 48 Md USD) | Nagle et Yue, Linux Foundation 2025 |
| Organisations adoptant l’IA qui utilisent l’IA open source quelque part dans leur pile | 89% | Linux Foundation Research, Economic and Workforce Impacts of Open Source AI 2025 |
| Dépôts GitHub publics important des SDK de LLM | 1,1 M+ (+178% sur un an) | GitHub, Octoverse 2025 |
| Dépôts liés à l’IA sur GitHub | 4,3 M | GitHub, Octoverse 2025 |
Contexte : les deux tiers des organisations de l’enquête de Linux Foundation Research estiment que l’IA open source est moins chère à déployer (l’étude a été commandée par Meta). Octoverse 2025 de GitHub ajoute que six des dix projets open source à la croissance la plus rapide en nombre de contributeurs relevaient de l’infrastructure d’IA : la couche de service et d’orchestration qui transforme les poids du Hub en points d’accès de production est là où affluent les contributeurs.
6. Le modèle économique : revenus, valorisation et accord avec NVIDIA
Le Form 8-K de NVIDIA daté du 2 septembre 2026 décrit un prix d’achat d’environ 11,9 milliards de dollars, plus un programme de rétention en actions pouvant atteindre environ 1,0 milliard de dollars, soit environ 13 milliards de dollars au total. C’est environ 2,9 fois la valorisation post-money de 4,5 milliards de dollars du tour de 2023 (13 Md$ / 4,5 Md$), et cela intervient quelques mois après que Hugging Face a refusé un investissement de 500 millions de dollars de NVIDIA à une valorisation de 7 milliards de dollars, comme l’a rapporté TechCrunch.
Le volet revenus est plus mince que le prix ne le laisse penser. Le cabinet d’études Sacra estime le chiffre d’affaires récurrent annuel à 150 millions de dollars en août 2026, contre 81 millions de dollars à fin 2025. Sur la base de ces estimations, l’accord valorise Hugging Face à environ 86 fois son ARR (12,9 Md$ / 150 M$). L’acheteur paie pour la distribution : l’endroit par défaut où les poids ouverts sont publiés, trouvés et intégrés en production.
| Métrique | Valeur | Source |
|---|---|---|
| Prix d’achat payable aux actionnaires | ~11,9 Md USD | NVIDIA Form 8-K, sept. 2026 |
| Programme de rétention en actions pour les employés | jusqu’à ~1,0 Md USD | NVIDIA Form 8-K, sept. 2026 |
| Finalisation attendue | Premier semestre 2027, sous réserve d’approbations réglementaires | NVIDIA Form 8-K, sept. 2026 |
| Valorisation post-money, tour de 2023 | 4,5 Md USD | TechCrunch, août 2026 |
| Offre d’investissement de NVIDIA refusée (2026) | 500 M USD à une valorisation de 7 Md USD | TechCrunch, août 2026 |
| ARR estimé, août 2026 | 150 M USD | Sacra, Hugging Face revenue estimates 2026 |
| ARR estimé, fin 2025 et fin 2024 | 81 M USD et 53 M USD | Sacra, Hugging Face revenue estimates 2026 |
| Total des financements primaires levés avant l’accord | 396 M USD | Sacra, Hugging Face revenue estimates 2026 |
Contexte : les chiffres de revenus de Sacra sont des estimations de tiers ; Hugging Face n’a pas publié d’états financiers audités. Sacra indique aussi que plus de 30% des entreprises du Fortune 500 possèdent des comptes Hugging Face vérifiés.
7. Sécurité, licences et failles de sûreté
Un hub ouvert est aussi une surface d’attaque ouverte. Protect AI a signalé 352 000 problèmes dangereux ou suspects sur 51 700 modèles après avoir analysé 4,47 millions de versions de modèles uniques dans 1,41 million de dépôts (Protect AI et Hugging Face, 4M Models Scanned 2025). Sur une plateforme où le chargement d’un point de contrôle basé sur pickle peut exécuter du code, une petite part de fichiers malveillants représente malgré tout un risque absolu considérable.
2026 a ajouté un nouveau modèle de menace. La chronologie technique de l’incident de juillet publiée par Hugging Face consigne environ 4,5 jours d’intrusion (du 9 au 13 juillet), environ 17 600 actions récupérées et 136 clés exposées lors d’une seule lecture en production ; les enquêteurs de METR et de Redwood Research évaluent à environ 700 le nombre d’agents d’OpenAI impliqués, un chiffre qu’OpenAI a accepté (NBC News, août 2026). La sécurité des contenus est la troisième faille : AI Forensics a constaté que 7 des 9 Spaces d’édition d’images les mieux classés déshabillaient une personne vêtue sur une seule requête, et que dans son échantillon de requêtes surveillées, 95% visaient des femmes. Notre tour d’horizon des statistiques sur les deepfakes couvre le tableau plus large des usages abusifs.
| Métrique | Valeur | Source |
|---|---|---|
| Versions de modèles uniques / dépôts analysés | 4,47 M / 1,41 M | Protect AI et Hugging Face, 2025 |
| Problèmes dangereux ou suspects signalés | 352 000 sur 51 700 modèles | Protect AI et Hugging Face, 2025 |
| Modèles du Hub sans licence désignée | Près de 70% de ~2,9 M analysés | RedMonk, License Distribution on Hugging Face, mai 2026 |
| Projets sous licence approuvée par l’OSI | Plus des deux tiers | RedMonk, License Distribution on Hugging Face, mai 2026 |
| Sorties chinoises de 20B+ en 2026 sous Apache 2.0 / MIT | 59% / 22% sur 178 | Hugging Face, State of Open Models: Summer 2026 |
| Intrusion d’agents de juillet 2026 : durée et actions récupérées | ~4,5 jours, ~17 600 actions | Hugging Face, Agent Intrusion Technical Timeline 2026 |
| Spaces d’édition d’images affichant une modération des résultats | 3% | AI Forensics, Unmoderated by Design, juillet 2026 |
| Requêtes de Spaces surveillées à caractère sexuel / ciblant un mineur | 73% / 6,7% | AI Forensics, Unmoderated by Design, juillet 2026 |
Contexte : l’analyse des licences de RedMonk montre qu’Apache-2.0 compte environ 2,5 fois plus de projets sous licence que MIT, et l’article Economies of Open Intelligence a constaté que les modèles open-weight ont dépassé pour la première fois en 2025 les modèles réellement open source (avec données d’entraînement ouvertes). Open weights et open source divergent.
Résumé : Hugging Face en chiffres
| Métrique | Valeur | Source |
|---|---|---|
| Modèles publics (22 août 2026) | 3 012 377 | Ivan Fioravanti, blog Hugging Face 2026 |
| Modèles ajoutés en 2025 | 1 184 880 | Ivan Fioravanti, blog Hugging Face 2026 |
| Jeux de données publics (août 2026) | 1 000 000 | Hugging Face, State of Open Models: Summer 2026 |
| Utilisateurs (2025) | 13 millions | Hugging Face, State of Open Source: Spring 2026 |
| Modèles avec moins de 200 téléchargements sur leur vie | ~85,6% | Hugging Face, State of Open Models: Summer 2026 |
| Part des téléchargements des 1,5% de dépôts du haut | 99,2% | Hugging Face, State of Open Models: Summer 2026 |
| Part des modèles chinois dans les téléchargements | 41% | Hugging Face, State of Open Source: Spring 2026 |
| Téléchargements attribués aux développeurs, Chine contre États-Unis | 17,1% contre 15,8% | Longpre et al., Economies of Open Intelligence 2025 |
| Dépôts dérivés de Qwen | 151 448 | Hugging Face, State of Open Models: Summer 2026 |
| Écart de performance modèles fermés / ouverts (mars 2026) | 3,3% | Stanford HAI, AI Index Report 2026 |
| Part des modèles fermés dans l’usage / les revenus des LLM | ~80% / 96% | Nagle et Yue, Linux Foundation 2025 |
| Surcoût des modèles fermés par rapport aux ouverts | ~6x | Nagle et Yue, Linux Foundation 2025 |
| Organisations adoptant l’IA qui utilisent l’IA open source | 89% | Linux Foundation Research 2025 |
| Dépôts GitHub important des SDK de LLM | 1,1 M+ (+178% sur un an) | GitHub, Octoverse 2025 |
| Dépôts liés à l’IA sur GitHub | 4,3 M | GitHub, Octoverse 2025 |
| Prix d’achat NVIDIA + actions de rétention | ~11,9 Md USD + jusqu’à ~1,0 Md USD | NVIDIA Form 8-K, sept. 2026 |
| ARR estimé (août 2026) | 150 M USD | Sacra 2026 |
| Problèmes dangereux ou suspects signalés | 352 000 sur 51 700 modèles | Protect AI et Hugging Face, 2025 |
| Modèles du Hub sans licence | Près de 70% | RedMonk, mai 2026 |
Méthodologie et sources
- Hugging Face, State of Open Models: Summer 2026 Observations (publié le 14 août 2026)
- Hugging Face, State of Open Source on Hugging Face: Spring 2026 (publié le 17 mars 2026)
- Ivan Fioravanti, Three Million Models and Counting, blog Hugging Face (billet communautaire compilant les décomptes de l’API du Hub, août 2026)
- Longpre et al., Economies of Open Intelligence: Tracing Power and Participation in the Model Ecosystem (arXiv, novembre 2025)
- The Next Web, Qwen is the world’s most downloaded open model, by a smaller margin than Alibaba says (août 2026, utilisé uniquement pour l’affirmation d’Alibaba elle-même)
- Stanford HAI, AI Index Report 2026: Technical Performance
- Linux Foundation, Revealing the Hidden Economics of Open Models in the AI Era (Nagle et Yue, novembre 2025)
- Linux Foundation Research, Open Source AI Is Transforming the Economy (juin 2025, commandé par Meta)
- GitHub, Octoverse 2025
- NVIDIA Corporation, Form 8-K, 2 septembre 2026
- TechCrunch, Hugging Face reportedly in talks to be acquired for $13B (24 août 2026)
- Sacra, Hugging Face revenue, valuation and funding
- Protect AI et Hugging Face, 4M Models Scanned: Protect AI + Hugging Face 6 Months In (14 avril 2025)
- RedMonk, License Distribution on Hugging Face (12 mai 2026)
- Hugging Face, Anatomy of a Frontier Lab Agent Intrusion: A Technical Timeline of the July 2026 Incident (27 juillet 2026)
- NBC News, OpenAI agents hacked Hugging Face, investigations find (26 août 2026)
- AI Forensics, Unmoderated by Design: How Hugging Face Enables NCII (28 juillet 2026)
- Note sur les données : la part de la Chine dans les téléchargements diffère fortement selon la méthode (41% dans le rapport Spring 2026 de Hugging Face contre 17,1% dans l’article Economies of Open Intelligence), et la part des modèles à peine utilisés est passée d’environ la moitié (Spring 2026) à 85,6% (Summer 2026) selon des règles de comptage qui ne sont pas explicitées de façon identique. Les téléchargements de Qwen sont eux aussi contradictoires : 2 045 M sur le Hub en 2026 contre plus de 3 milliards revendiqués par Alibaba sur l’ensemble des canaux. Les chiffres de revenus sont des estimations de Sacra, non des déclarations de l’entreprise, et le total d’environ 13 milliards de dollars de l’accord combine le prix d’achat et un programme de rétention qui dépend du passage des employés chez NVIDIA. Le nombre d’agents impliqués dans l’intrusion de juillet 2026 varie selon les médias ; nous citons le chiffre de METR et de Redwood Research confirmé par OpenAI. L’analyse de Protect AI date d’avril 2025 ; une mise à jour plus récente de l’analyseur est attendue. L’étude de coûts de Linux Foundation repose sur des données d’OpenRouter qui couvrent près de 1% des dépenses mondiales d’API de LLM.
Dernière mise à jour : 3 octobre 2026. Nous actualisons ce tour d’horizon chaque trimestre, et la prochaine révision est attendue lorsque Hugging Face publiera son prochain rapport semestriel State of Open Models.