Le 2 septembre, Nvidia a signé un accord définitif pour racheter Hugging Face 12 930 300 000 dollars — l’adresse d’où provient l’essentiel de l’IA qui fonctionne réellement dans le commerce de mode. Jensen Huang a publié le chiffre jusqu’au dernier centime, une fioriture étrange pour une entreprise qui arrondit d’ordinaire. Hugging Face affichait 150 millions de dollars de revenus annualisés au moment de la signature, un chiffre d’abord rapporté par The Information et confirmé par TechCrunch. Personne n’achète ce revenu à ce prix.

Le prix affiché implique un multiple de quatre-vingt-six fois le revenu, mais ce n’est pas ce montant qui change réellement de mains. Le 8-K de Nvidia détaille les 12,93 milliards de dollars : environ 11,9 milliards versés aux actionnaires de Hugging Face, et jusqu’à 1 milliard de dollars en actions de rétention qui se libèrent progressivement pour les salariés, pas pour les vendeurs. Rapporté au seul montant versé aux actionnaires, le multiple tombe plus près de soixante-dix-neuf fois le revenu — toujours le prix d’une position, pas d’une entreprise.

Cette position est un point de résolution : le nom d’hôte qui transforme une chaîne de caractères dans un fichier de configuration en poids sur un disque. L’annonce de Nvidia elle-même chiffre le nombre de modèles partagés sur la plateforme à plus de trois millions, un chiffre que le dossier réglementaire ne mentionne nulle part. Ce que le 8-K énonce, en revanche, c’est l’engagement : Nvidia s’est engagé à maintenir la plateforme ouverte « conformément aux pratiques existantes de Hugging Face », y compris le support d’« autres fournisseurs de silicium ». On ne rédige un tel engagement sur les fournisseurs de silicium que lorsqu’on en est un soi-même.

La capacité IA la moins chère du commerce de mode vit à cette adresse depuis des années. FashionCLIP, le modèle vers lequel les équipes se tournent quand elles ont besoin de faire cohabiter photos et descriptions produit dans un même espace vectoriel, cumule assez de téléchargements mensuels pour fonctionner comme une infrastructure plutôt que comme une curiosité de recherche ; ses successeurs, dont Marqo-FashionSigLIP, occupent la même étagère. Ce volume n’a rien d’une communauté de chercheurs. Ce sont des pipelines de build qui tournent sans supervision au sein d’entreprises dont les acheteurs n’ont jamais croisé un ingénieur ML. Le modèle est distribué sous une licence ouverte permissive et a été entraîné sur plus de 700 000 paires image-texte de produits Farfetch, extraites d’un catalogue de 800 000 articles, publié dans Scientific Reports en 2022. Gratuit au sens fort, et le meilleur argument qu’un directeur technique du retail ait jamais eu pour ne pas acheter de solution de tagging.

La couche essayage virtuel, celle qui génère du revenu, n’a en revanche jamais été gratuite. IDM-VTON, le modèle de diffusion vestimentaire le plus souvent embarqué dans une preuve de concept retail, est distribué sous licence cc-by-nc-sa-4.0. C’est une licence non commerciale, et elle couvre exactement l’usage que veut en faire un détaillant. Ses téléchargements mensuels se comptent en dizaines de milliers, et tout ce trafic n’est pas académique — chaque déploiement commercial qui s’y trouve est soit licencié séparément, soit non conforme. Le plancher de coût était déjà une fiction avant l’arrivée de Nvidia ; ce qui change maintenant, c’est qui se trouve à la porte quand quelqu’un vient vérifier.

La provenance transite par la même adresse que le téléchargement. L’annonce de Nvidia chiffre le nombre de jeux de données sur la plateforme à 500 000, l’endroit précis d’où vient la réponse d’un détaillant à la question « sur quoi cela a-t-il été entraîné » quand un régulateur ou un ayant droit la pose. Une marque qui affine un modèle d’embedding sur son propre catalogue hérite malgré tout des données d’entraînement du modèle de base, et la trace de ces données est une page hébergée par une entreprise qui répond désormais à un fabricant de matériel. Rien de tout cela ne laisse penser que cette trace sera modifiée. Cela signifie simplement que l’archive et le canal de vente relèvent désormais du même conseil d’administration.

La dépendance n’a jamais résidé dans les poids ; elle résidait dans le nom d’hôte qui les résout.

L’engagement de Nvidia porte sur le catalogue, pas sur les réglages par défaut. La formulation de Huang est prudente : les développeurs « choisiront les modèles qu’ils veulent, les frameworks qu’ils veulent, les clouds et fournisseurs d’inférence qu’ils veulent […] et les plateformes de calcul qu’ils veulent », et « le calcul NVIDIA ne sera pas requis pour développer sur Hugging Face ou déployer via cette plateforme ». Les deux phrases décrivent ce que la plateforme permettra, aucune ne touche à ce qu’elle suggérera. Quelle quantification est mise en avant, quel conteneur d’inférence se trouve à un clic, quel runtime la page de téléchargement présuppose : rien de tout cela n’est une restriction, et c’est pourtant exactement là que se loge la marge d’un fournisseur de calcul.

La plupart des couvertures médiatiques ont classé l’opération comme de la consolidation. Charlie Dai, de Forrester, a déclaré au Register que Nvidia avait déjà bâti une emprise sur les GPU, CUDA, le réseau et les logiciels d’inférence, et que les entreprises devraient « surveiller les évolutions à venir ». C’est exact, et cela vise les entreprises qui entraînent des modèles. Le commerce de mode n’entraîne pas de modèles. Il les télécharge, ce qui en fait un client de la couche de distribution plutôt que de la couche de calcul — et c’est justement la couche de distribution qui a changé de mains.

L’objection la plus solide est que des poids ouverts ne peuvent pas être refermés. Une licence permissive est irrévocable pour chaque copie déjà réalisée, et les poids de FashionCLIP se trouvent déjà sur des miroirs, dans des buckets de stockage, dans des images de conteneurs construites l’an dernier. Pour que cet argument tienne, une condition doit être remplie : que les équipes retail dépendent d’artefacts qu’elles détiennent, et non d’une résolution qu’elles effectuent à chaque fois. Ce n’est pas le cas. La ligne standard d’un pipeline de production est from_pretrained("patrickjohncyh/fashion-clip"), généralement sans révision fixée et généralement exécutée au moment du build — un appel réseau déguisé en variable locale. La plupart de ces systèmes ne possèdent pas le modèle ; ils ont pris l’habitude d’aller le chercher.

Si les équipes retail continuent de résoudre leurs modèles au moment du build via un nom d’hôte appartenant à l’entreprise qui leur vend par ailleurs du calcul, alors la ligne la moins chère du budget IA est fixée par une contrepartie qui a un intérêt dans la réponse. Le remède est banal et quasi gratuit : fixer la révision, miroiter les poids dans un registre qu’on contrôle soi-même, noter la licence à côté du modèle, et la lire. Rien de tout cela n’exige de se méfier de Nvidia, qui a fait une promesse précise et en tiendra probablement la lettre jusqu’à la clôture attendue au premier semestre 2027. Cela exige simplement de remarquer qu’un fournisseur existe. Le secteur a passé trois ans à appeler ces modèles « gratuits ». Le mot qu’il cherchait était : non facturé.