Hugging Face lève 350 milliards de wons en Series D auprès de Salesforce, Nvidia et d’autres
(techcrunch.com)- Alors que la demande pour les plateformes de développement IA augmente, Hugging Face a levé environ 235 millions de dollars (235 M$) en Series D, avec une valorisation estimée à environ 4,5 milliards de dollars (4,5 Md$)
- Google, Amazon, Nvidia, Intel, AMD, Qualcomm, IBM, Salesforce et Sound Ventures ont participé, et cette valorisation serait le double de celle de mai 2022 ainsi que plus de 100 fois le chiffre d’affaires annualisé
- L’entreprise s’est imposée comme une plateforme de machine learning articulée autour d’un hub de type GitHub pour partager modèles, jeux de données et code, avec aussi des web apps de démonstration et des outils d’évaluation et de déploiement de modèles
- Les produits payants sont centrés sur l’automatisation de l’entraînement, l’hébergement de modèles et l’amélioration des performances en production, comme AutoTrain, Inference API et Infinity, avec prise en charge du SaaS et des déploiements on-premise
- L’entreprise compte actuellement 10 000 clients, plus de 50 000 organisations sur la plateforme et plus d’un million de dépôts sur son hub de modèles, et prévoit d’utiliser ces fonds pour renforcer la recherche, le support aux entreprises et aux startups, ainsi que les recrutements
235 millions de dollars en Series D et une valorisation de 4,5 milliards de dollars
- Hugging Face a levé 235 millions de dollars lors d’un tour de table Series D
- L’information a d’abord été révélée par The Information, puis semble avoir été confirmée sur X par Marc Benioff, CEO de Salesforce
- Google, Amazon, Nvidia, Intel, AMD, Qualcomm, IBM, Salesforce et Sound Ventures ont participé à l’investissement
- Ce tour porte la valorisation de l’entreprise à 4,5 milliards de dollars
- soit le double de sa valorisation de mai 2022
- et, selon certaines informations, plus de 100 fois le chiffre d’affaires annualisé de Hugging Face
- Cette valorisation élevée reflète la forte demande pour l’IA et pour les plateformes qui soutiennent son développement
Une plateforme de développement allant du partage de modèles au déploiement
- Le produit central de Hugging Face est un hub de type GitHub pour les dépôts de code IA, les modèles et les jeux de données
- L’entreprise propose aussi des web apps pour présenter des applications fondées sur l’IA, ainsi que des bibliothèques aidant au traitement des jeux de données et à l’évaluation des modèles
- La version enterprise du hub prend en charge les déploiements SaaS et on-premise
-
Fonctions payantes
- AutoTrain aide à automatiser l’entraînement des modèles d’IA
- Inference API permet aux développeurs d’héberger des modèles sans gérer eux-mêmes l’infrastructure sous-jacente
- Infinity est conçu pour accélérer le traitement des données par les modèles en production
D’une app de chatbot à une plateforme de machine learning
- Clément Delangue estime que l’IA constitue une nouvelle manière de créer tous les logiciels et le changement de paradigme le plus important de cette décennie
- Selon lui, la transition vers l’IA sera plus vaste et plus rapide que celle du logiciel, parce que le logiciel a déjà préparé le terrain
- Hugging Face vise à être une plateforme ouverte rendant cette transition possible
- Basée à Brooklyn, Hugging Face a été fondée en 2016 par Clément Delangue, Julien Chaumond et Thomas Wolf
- Les trois fondateurs développaient à l’origine une app de chatbot destinée aux adolescents, avant de réorienter l’entreprise vers une plateforme de création, de test et de déploiement en machine learning après avoir publié en open source l’algorithme de l’application
Taille de la clientèle, marché du MLOps et activité autour des modèles open source
- Hugging Face indique compter actuellement 10 000 clients et plus de 50 000 organisations sur sa plateforme
- Son hub de modèles comprend plus d’un million de dépôts
- La montée en intérêt des entreprises pour l’IA soutient cette croissance
- Selon une enquête de HubSpot, 43 % des dirigeants d’entreprise prévoient d’augmenter en 2023 leurs investissements dans les outils d’IA et d’automatisation
- 31 % répondent que les outils d’IA et d’automatisation sont très importants pour leur stratégie globale d’entreprise
- Une part importante de ce que propose Hugging Face relève du MLOps, c’est-à-dire la simplification des processus permettant de mettre les modèles d’IA en production, puis de les maintenir et de les superviser
- Un rapport estime que le marché du MLOps atteindra 16,61 milliards de dollars d’ici 2030
-
Modèles open source et collaboration
- Hugging Face a lancé BigScience en 2021
- BigScience est un projet piloté par des bénévoles visant à créer un modèle de langage open source aussi puissant que GPT-3 d’OpenAI, mais librement utilisable par tous
- Son aboutissement, Bloom, est un modèle multilingue qui a pu être expérimenté pendant plus d’un an sur le hub de modèles de Hugging Face
- Bloom n’est qu’un des nombreux modèles open source auxquels Hugging Face a contribué en ressources de développement
- En collaboration avec ServiceNow, l’entreprise a publié le modèle gratuit de génération de code StarCoder, suivi dans la même semaine par SafeCoder
- Avec l’organisation allemande à but non lucratif LAION, elle propose aussi une version gratuite du chatbot IA ChatGPT d’OpenAI
Partenariats cloud et montant total levé
- Les collaborations de Hugging Face se sont étendues aux grands fournisseurs cloud, dont certains sont aussi des investisseurs stratégiques de ce tour
- Avec Nvidia, l’entreprise travaille à élargir l’accès au cloud computing via la plateforme de calcul DGX
- Avec Amazon, elle a conclu un partenariat pour étendre les produits Hugging Face aux clients AWS et entraîner la prochaine génération de Bloom sur les puces personnalisées Trainium d’Amazon
- Avec Microsoft, elle collabore sur Hugging Face Endpoints, qui transforme sur Azure les modèles d’IA développés avec Hugging Face en solutions opérationnelles évolutives
- Après cet investissement, Hugging Face prévoit de renforcer son soutien dans plusieurs domaines, notamment la recherche, l’enterprise et les startups
- L’entreprise compte 170 employés et prévoit de recruter de nouveaux talents dans les mois à venir
- Hugging Face a levé au total 395,2 millions de dollars, son premier financement provenant de Betaworks Ventures
- Parmi les startups IA du même secteur ayant levé davantage figurent :
- OpenAI : 11,3 milliards de dollars
- Anthropic : 1,6 milliard de dollars
- Inflection AI : 1,5 milliard de dollars
- Cohere : 435 millions de dollars
- Adept : 415 millions de dollars
1 commentaires
Avis sur Hacker News
Hugging Face semble en être au début du cycle d’enshittification à la Silicon Valley
Pour l’instant, ils brûlent l’argent du capital-risque pour être incroyablement généreux avec les utilisateurs ; ensuite, ils pourraient déplacer cette valeur vers les clients entreprises, puis en extraire le maximum avant de s’effondrer
Cela dit, à proprement parler, on ne sait même pas vraiment si c’est une plateforme/marketplace. Quoi qu’il en soit, pour l’instant, autant profiter de la bière gratuite payée par les VC
Ils contrôlent déjà une bonne partie du marché de l’hébergement de modèles et des frameworks d’exécution ; s’ils commencent à serrer la vis plus tard, la situation risque de devenir compliquée
Il est important de répartir les dépendances pour ne pas dépendre d’un seul acteur, et d’éviter les architectures qui reposent de façon propre à Hugging Face
Les organisations dont des logiciels importants dépendent paieront, et les autres passeront à des alternatives compatibles dès que ce ne sera plus gratuit
Je sais qu’ils ont aussi quelques offres de calcul et qu’ils créent et maintiennent certaines bibliothèques, mais elles ne semblent pas si massivement utilisées ; je ne vois donc pas très bien comment ils comptent gagner de l’argent
C’est bien que Nvidia investisse dans des sociétés d’IA
Comme ils savent que cet argent reviendra de toute façon chez Nvidia, cela ressemble en fait à un prêt à des entreprises qui vont tenter des choses avec des puces Nvidia, en échange d’un potentiel de hausse
Une stratégie à haut risque et à fort rendement, et Nvidia est en train d’absorber l’IA
Meta à lui seul dépense 8 milliards de dollars en matériel et prévoit de dépenser un montant similaire l’an prochain. OpenAI+Microsoft investiront très probablement plusieurs milliards de dollars dans la construction de serveurs
Je me demande si Google ou Apple vont aussi ajouter massivement des boîtes IA
Je me demande encore pourquoi ils s’embêtent à utiliser du cash
On dirait presque une situation de « maintenant ou jamais »
J’écris anonymement car j’ai eu des liens avec Hugging Face par le passé
Hugging Face a vraiment excellé dans la construction de communauté, la bibliothèque transformers et le rôle de dépôt central pour tous les modèles open source
Mais ils sont encore loin du product-market fit (PMF), et même s’ils ont plusieurs produits — services, AutoTrain, quantification, HF Hub pour entreprises, endpoints d’inférence, etc. — aucun ne semble avoir rencontré de succès commercial
L’essentiel du chiffre d’affaires vient de partenariats avec SageMaker/Azure, où ils sont payés pour leur envoyer des utilisateurs ; ce modèle ne semble pas très facile à faire croître durablement
Il y a toujours la possibilité d’une acquisition par une entreprise de type FANG, mais personnellement, je trouve la situation assez bloquée. Avec une valorisation de 4,5 milliards de dollars, il leur faudrait probablement au moins 250 millions de dollars d’ARR pour entrer en Bourse, alors qu’ils sont sans doute coincés aujourd’hui autour de 25 millions de dollars d’ARR
Trois sources ont indiqué que le run rate de chiffre d’affaires avait fortement augmenté cette année pour atteindre actuellement 30 à 50 millions de dollars, et l’une d’elles a dit qu’il avait plus que triplé depuis le début de l’année
Je n’arrive vraiment pas à comprendre la stratégie de Clem et de son équipe. À part lever autant d’argent que possible, je ne vois pas grand-chose
Notre expérience avec l’équipe commerciale a été vraiment catastrophique, et elle ne nous a donné aucune confiance dans leur capacité à augmenter l’ARR au moment où ce sera nécessaire
Ils nous ont quasiment suppliés d’acheter, mais ils ne semblaient s’intéresser à nous qu’après que nous avons clairement choisi d’aller ailleurs
Une entreprise d’IA où je travaillais auparavant s’est retrouvée dans une situation similaire : en levant trop d’argent à une valorisation trop élevée, elle a réduit le nombre d’acquéreurs potentiels à 3 ou 4
Aujourd’hui, c’est devenue une entreprise zombie : les actions ordinaires ne valent rien, il n’y a pas de perspective d’acquisition, et pas assez de chiffre d’affaires pour entrer en Bourse
Le simple fait de fournir du code et de l’infrastructure à la communauté contribue fortement à augmenter la valeur et les ventes du matériel nVidia
Cela correspond au principe stratégique classique : « banaliser les compléments »
Je me demande vraiment : quel type de business fait-on quand on « vend de l’AI/ML » ?
Je ne connais pas très bien ce domaine, mais l’AI/ML ressemble davantage à une fonctionnalité qu’à un « produit ».
Du coup, quand une entreprise dit qu’elle vend de l’AI/ML, qu’est-ce qu’elle vend exactement ? Une licence pour un modèle qu’elle a créé, une facturation à la sortie générée, une infrastructure d’hébergement ?
Par analogie, vendre de l’AI/ML, ça correspond à quoi entre IaaS, PaaS et SaaS, ou bien est-ce tout autre chose ?
Dans l’IA, il y aura quelques immenses gagnants, pas mal de gagnants de taille intermédiaire, et beaucoup de perdants ; eux n’ont qu’à vendre les outils nécessaires à tous ceux qui veulent tenter leur chance, peu importe qui gagne ou perd.
S’ils peuvent rendre le produit facile à utiliser et utile pour créer de la valeur business, ils peuvent vendre beaucoup de pioches et de pelles.
a) des fournisseurs de matériel qui vendent des produits dont tous les acteurs ont besoin, comme Nvidia/AMD
b) des entreprises comme Microsoft, Salesforce, ServiceNow ou Adobe, qui peuvent vendre de la valeur ajoutée AI/ML à une base de clients déjà captive
c) des entreprises comme Google/Facebook, qui gagnent de l’argent avec la publicité et pour lesquelles l’AI/ML aide à améliorer le ciblage
Le reste, pour l’essentiel, est en train de brûler l’argent des VC.
Les incumbents qui ont déjà des produits peuvent y ajouter cette fonctionnalité et créer une forte valeur concurrentielle. Pour les nouveaux entrants, c’est beaucoup plus difficile, car ils doivent non seulement proposer la fonctionnalité AI/ML, mais aussi rendre compétitif le système central qui génère ou contient les données dont cette fonctionnalité dépend.
Par exemple, beaucoup d’organisations pourraient payer cher pour une fonction « ChatGPT qui connaît les documents internes » greffée à SharePoint/Confluence ou autres outils qu’elles utilisent déjà, mais elles seront probablement très prudentes à l’idée de déplacer leurs documents internes vers un nouveau système de gestion documentaire d’une jeune startup.
À n’importe quel niveau, IaaS/PaaS/SaaS, cela peut potentiellement devenir une fonctionnalité ou un produit.
Si vous cherchez sur HN des entreprises qui vendent de l’AI/ML, vous verrez ce que je veux dire.
Plus vous éloignez l’utilisateur de l’entraînement et de l’hébergement, plus vous vous éloignez de ce business.
Mais cela ne paraît économiquement viable que si vous avez un avantage particulier dans la mise en œuvre de cette couche d’abstraction.
J’aime bien Hugging Face, mais j’ai peur que cela devienne le prochain Docker.
Quel est leur moat ? « On exécute l’inférence pour vous » ne peut pas être la réponse.
C’est plus proche d’un GitHub pour le ML.
Et la confiance est aussi importante. Dans un business qui héberge des binaires, la confiance est loin d’être un détail.
À l’époque aussi, il existait des milliers de petits fournisseurs de VPS qui louaient des machines Linux virtuelles avec accès root pour 15 dollars par mois.
Les modèles de ML sont les nouvelles apps.
Il y a une grande opportunité pour un espace de type App Store, où les gens peuvent acheter des modèles, les intégrer à leurs produits et gérer correctement les licences.
Ce serait encore mieux de certifier que les modèles fonctionnent réellement comme annoncé ; cela pourrait à lui seul devenir une petite industrie.
Hugging Face est clairement le mieux placé pour créer cela, grâce à sa notoriété au sein de la communauté.
Donc les clients ne sont pas « toutes les personnes qui ont un téléphone/ordinateur », comme pour une app, mais « toutes les personnes qui créent des apps », un public beaucoup plus restreint mais potentiellement très influent.
Nous n’en sommes pas encore à un monde où les non-techniciens parcourent un store de modèles sur leur téléphone pour en trouver un.
Du point de vue de Nvidia, il ne s’agit peut-être pas d’un simple investissement dans Hugging Face, mais d’un investissement dans sa propre activité via les effets de réseau.
J’espère que ce sera le cas. Parce qu’une fois l’argent des VC parti, les tarifs vont s’envoler.
C’est une pratique courante lorsqu’une entreprise de hardware investit, et cela pourrait assez bien se passer pour tout le monde.
Hugging Face est littéralement l’incarnation du vieil adage : « pendant la ruée vers l’or, vendez des pelles ».
Il va vraiment falloir qu’ils aient une excellente idée. Ça ressemble exactement au genre de combinaison prête à éclater comme une bulle.
La tarification est confuse.
https://huggingface.co/pricing
Je passe peut-être à côté de quelque chose d’évident, mais d’un côté de la page des prix, il est indiqué que Spaces Hardware commence à 0 dollar, et de l’autre qu’il commence à 0,05 dollar.
Le stockage des dépôts est gratuit, et il existe une offre entreprise payante, comme GitHub.
La mise à disposition d’apps de démonstration, c’est « Spaces Hardware », facturé à l’heure.
La mise à disposition de modèles en production pour des apps hébergées ailleurs, c’est « Inference endpoints », également facturé à l’heure.
L’entraînement de modèles, c’est « AutoTrain », qui est gratuit pour l’instant ; honnêtement, je ne l’ai pas encore essayé.
Hugging Face est expert en ML et en communauté, mais maladroit sur le business.
Je sais que HN a tendance à mépriser les commerciaux, mais HF a besoin de bons profils sales le plus vite possible.