L’emoji à 2 milliards de dollars : Hugging Face veut être la rampe de lancement d’une révolution de l’apprentissage automatique
Nouvellement évalué à 2 milliards de dollars, le IA 50 débutant est à l’origine un chatbot pour adolescents. Maintenant, il a des aspirations et 100 millions de dollars en poudre sèche fraîche pour être le GitHub de l’apprentissage automatique.
Oorsque Hugging Face s’est annoncé pour la première fois au monde il y a cinq ans, il s’est présenté sous la forme d’une application de chatbot iPhone pour les adolescents ennuyés. Il a partagé des selfies de son visage généré par ordinateur, fait des blagues et bavardé sur son béguin pour Siri. Cela ne rapportait pratiquement pas d’argent.
Le moment viral est arrivé en 2018 non pas chez les adolescents, mais chez les développeurs. Les fondateurs de Hugging Face avaient commencé à partager gratuitement en ligne des extraits du code sous-jacent des applications. Presque immédiatement, des chercheurs de certains des plus grands noms technologiques du secteur, dont Google et Microsoft, ont commencé à l’utiliser pour des applications d’IA. Aujourd’hui, le chatbot a depuis longtemps disparu de l’App Store, mais Hugging Face est devenu le dépôt central de modèles d’apprentissage automatique prêts à l’emploi, le point de départ à partir duquel plus de 10 000 organisations ont créé des outils alimentés par l’IA pour leurs entreprises. .
Hugging Face a annoncé lundi, en même temps que sa première apparition sur Forbes liste AI 50, qu’elle a levé un tour de financement de 100 millions de dollars, valorisant l’entreprise à 2 milliards de dollars. Les sociétés de capital-risque de premier plan Coatue et Sequoia ont remporté des places en tant que nouveaux bailleurs de fonds dans la série C très disputée, rejoignant A.Capital Ventures, Addition Capital et l’investisseur principal Lux Capital en tant que parties prenantes majeures de la startup basée à Brooklyn.
L’apprentissage automatique devient la nouvelle façon de construire la technologie, remplaçant les logiciels, déclare Clment Delangue, cofondateur et PDG de Hugging Face, qui porte le nom de l’emoji qui ressemble à un visage souriant avec des mains de jazz. L’ancienne école de technologie du bâtiment écrivait un million de lignes de code. L’apprentissage automatique commence à le faire, mais beaucoup mieux et beaucoup plus rapidement.
Clment Delangue, PDG de Hugging Face : « Il y a un an ou deux, l’apprentissage automatique était encore presque considéré comme un pari. Aujourd’hui, il devient pour les entreprises les plus performantes le moyen par défaut de construire de la technologie. »
Visage étreignant
S’exprimant depuis son domicile de Miami, où il a déménagé pendant la pandémie (météo, pas web3, explique-t-il), Delangue, 33 ans, dit croire que ce que GitHub est pour les logiciels, Hugging Face est devenu pour l’apprentissage automatique. C’est une comparaison confiante, compte tenu de la popularité généralisée de GitHub, qui est utilisé par plus de 70 millions de développeurs pour partager et collaborer sur du code et qui a été enregistré pour la dernière fois avec un chiffre d’affaires de 300 millions de dollars au moment de sa vente de 7,5 milliards de dollars à Microsoft en 2018. Face, en revanche, a généré moins de 10 millions de dollars l’an dernier, selon trois personnes familières avec ses finances. Delangue refuse de commenter le nombre, mais lui et les investisseurs pensent que l’apprentissage automatique est déjà en train de devenir la technologie la plus importante des années 2020, et que Hugging Face peut éventuellement générer des milliards de revenus avec sa propre armée de développeurs axés sur l’IA.
Les entreprises que vous supposeriez sont des concurrents à première vue, que ce soit Google, Amazon ou Facebook, presque toutes sont des promoteurs, déclare Lux Capitals Brandon Reeves, qui a investi pour la première fois dans Hugging Face en 2019. l’écosystème.
Je ne vois pas vraiment un monde où l’apprentissage automatique devient le moyen par défaut de créer de la technologie et où Hugging Face est la plate-forme n ° 1 pour cela, et nous ne parvenons pas à générer plusieurs milliards de dollars de revenus.
Ayant grandi à La Basse, une petite ville de 6 000 habitants dans le nord de la France, Delangue se souvient d’une enfance oisive jusqu’à ce qu’il obtienne son premier ordinateur à 12 ans. À 17 ans, il est devenu l’un des meilleurs marchands français sur eBay, vendant des VTT et de la terre. vélos qu’il a importés de Chine et stockés dans le magasin d’équipement de jardin de son père. Cette prouesse a impressionné eBay, qui lui a proposé un stage dès son entrée à l’ESCP Business School à Paris. Représentant l’entreprise lors d’un salon du commerce électronique, Delangue a été abordé par un autre participant qui a saccagé l’acquisition récente d’eBay d’une application de lecture de codes-barres. Selon l’homme, les codes-barres seraient bientôt obsolètes en raison des progrès de l’IA.
L’homme s’est avéré être le cofondateur de Moodstocks, une startup qui fabrique des logiciels de reconnaissance d’images utilisant l’apprentissage automatique. Avec une très petite équipe, ils parvenaient à faire des choses comparables à ce que Google faisait avec 100 fois plus de personnes, dit-il (des années plus tard, l’entreprise a été rachetée par Google). Impressionné par l’agilité des startups, Delangue n’a jamais regardé en arrière. Il a décliné l’offre d’eBay de prolonger son stage afin qu’il puisse passer son temps libre chez Moodstocks. Après avoir obtenu son diplôme en 2012, il a refusé un emploi chez Google pour diriger sa propre startup. L’idée de Delangues pour une application de prise de notes collaborative n’est pas allée loin, mais dans la scène européenne très soudée des startups, il a rencontré Julien Chaumond, un collègue entrepreneur qui construit un lecteur d’ebook collaboratif. Le couple a discuté de leur intérêt mutuel pour la technologie ouverte et a parlé de créer une entreprise ensemble.
Ce moment est venu en 2016, après que leurs deux sociétés se soient arrêtées. Un troisième cofondateur a été recruté en Thomas Wolf, un ami d’université de Chaumonds qui avait ensuite obtenu un doctorat. en physique et écrit des articles de recherche sur l’apprentissage automatique. Pour l’idée d’entreprise, ils ont opté pour l’IA conversationnelle en domaine ouvert, c’est-à-dire un chatbot capable de comprendre n’importe quel type de sujet de conversation, car ils estimaient que c’était le problème technologique le plus difficile pour lequel ils avaient l’expertise à l’époque, explique Delangue. Il y a ce rêve que nous devons tous parler avec une IA de tout, comme vous le voyez dans la science-fiction.
Hugging Face a commencé comme un ami personnalisé de type Tamagotchi alimenté par une forme d’IA connue sous le nom de traitement du langage naturel (PNL). Pour former les capacités de langage naturel des chatbots, l’équipe a également construit une bibliothèque sous-jacente pour héberger divers modèles d’apprentissage automatique, par exemple, un pour détecter les émotions derrière un message texte et un autre pour pouvoir générer une réponse cohérente et les nombreux ensembles de données pour comprendre différents types de sujets de conversation, comme le sport ou les potins en classe. Revenant aux valeurs des fondateurs pour la collaboration ouverte, ils ont publié des morceaux gratuits de la bibliothèque en tant que projet open-source sur GitHub. La société a participé à un programme d’accélération spécifique aux bots géré par le studio de démarrage Betaworks basé à New York et a levé des fonds de démarrage auprès de capital-risqueurs ainsi que de la star de la NBA Kevin Durant. Mais deux ans plus tard, leur chatbot n’avait pas gagné beaucoup d’argent et perdait son emprise sur la capacité d’attention de ses jeunes utilisateurs.
À peu près au même moment, des chercheurs de Google et d’OpenAI ont annoncé le développement de transformateurs, un nouveau type de modèle de PNL qui a démoli les capacités de compréhension en lecture des humains et du meilleur titulaire de l’IA à l’époque. En 2019, Google alimentait ses résultats de recherche en utilisant ce modèle. La bibliothèque open source Hugging Faces est apparue au moment idéal pour les organisations qui souhaitaient exploiter ces percées de la PNL, mais ne disposaient pas des mêmes mécanismes que Google pour les créer à partir de rien. Il est devenu un succès quasi instantané lorsque la communauté de l’apprentissage automatique a convergé autour de lui en tant que base centrale pour le déploiement de modèles de transformateurs. Nous avons sorti des choses sans trop y penser et la communauté a explosé, comme une surprise même pour nous, dit Delangue.
Reeves, l’investisseur luxembourgeois, a rencontré Delangue pour la première fois dans un café du centre-ville de San Francisco un vendredi vers la fin de 2019. Craignant de rater une occasion d’investir, il a proposé une feuille de conditions le lundi suivant à une valorisation de 80 millions de dollars. Pour 90% des entreprises dans lesquelles j’ai investi, je les connais depuis plusieurs semaines, mois ou années, dit-il. Je ne pense pas que quelqu’un soit venu pendant un week-end. Depuis que Delangue a accepté le chèque Luxs, l’utilisation n’a cessé de monter en flèche. La communauté des développeurs a construit plus de 100 000 modèles d’apprentissage automatique sur Hugging Face, permettant à d’autres d’utiliser à leur tour ces modèles pré-entraînés pour leurs propres projets d’IA au lieu d’avoir à créer des modèles à partir de zéro. Sur GitHub, Hugging Face a accumulé des stars, une métrique de vanité mesurant la popularité d’un projet open-source à un rythme plus rapide que les projets derrière Confluent (revenu annuel de 388 millions de dollars), Databricks (plus de 800 millions de dollars) et MongoDB (874 millions de dollars).
Depuis la création de Hugging Faces en 2016, les cofondateurs ont travaillé dans différents pays : le PDG Delangue aux États-Unis, le directeur de la technologie Julien Chaumond en France et le scientifique en chef Thomas Wolf aux Pays-Bas.
Visage étreignant
Bien que les cycles de financement pour les entreprises de taille similaire aient été nombreux en 2021, le marché du capital-risque en phase de croissance a depuis ralenti jusqu’à un quasi-arrêt. Le dernier financement de Hugging Faces indique alors un vote de confiance des investisseurs plus raréfié, mais certains membres de l’écosystème des startups de données ont exprimé en privé leur curiosité quant à la manière dont Delangue peut augmenter suffisamment les revenus de Hugging Faces pour valider sa forte valorisation. Delangue pense que si suffisamment d’utilisateurs gratuits deviennent accro à Hugging Face, l’argent suivra à temps de certaines des entreprises qui emploient les utilisateurs. Compte tenu de la valeur de l’apprentissage automatique et de sa généralisation, l’utilisation est un revenu différé, déclare Delangue. Je ne vois pas vraiment un monde où l’apprentissage automatique devient le moyen par défaut de créer de la technologie et où Hugging Face est la plate-forme n ° 1 pour cela, et nous ne parvenons pas à générer plusieurs milliards de dollars de revenus.
Hugging Face n’a commencé à proposer des fonctionnalités payantes que l’année dernière et compte plus de 1 000 entreprises parmi ses clients, selon Delangue, dont Intel et son ancien terrain de jeu eBay. Les géants pharmaceutiques Pfizer et Roche paient pour des fonctionnalités de sécurité de niveau entreprise, tandis que Bloomberg paie pour exécuter l’apprentissage automatique pour son terminal en temps réel via Hugging Face au lieu d’avoir à construire sa propre infrastructure. Microsoft n’est pas un client, mais utilise en évidence Hugging Face comme base pour former son moteur de recherche Bing afin de mieux comprendre les requêtes en langage naturel.
Ils ont donné la priorité à l’adoption plutôt qu’à la monétisation, ce qui, je pense, était correct, déclare Pat Grady, partenaire de Sequoia, l’un des nouveaux investisseurs. Ils ont vu que les modèles basés sur des transformateurs travaillaient en dehors du NLP et ont vu une chance d’être le GitHub non seulement pour le NLP, mais pour tous les domaines de l’apprentissage automatique. En effet, au cours de l’année dernière, Hugging Face a commencé à devenir une plaque tournante pour les modèles d’apprentissage automatique pour une variété d’utilisations, telles que la vision par ordinateur pour entraîner la reconnaissance d’images dans les voitures autonomes et les systèmes de recommandation pour aider les sociétés pharmaceutiques à prévoir le l’efficacité des nouveaux traitements médicamenteux.
Si ses hypothèses sur la suprématie de l’apprentissage automatique sont fausses, Delangue dit que Hugging Face est proche de l’équilibre et que les 40 millions de dollars de sa précédente levée de fonds sont toujours en banque pour se réorienter. Un de mes apprentissages personnels en tant qu’entrepreneur est de ne pas trop penser stratégiquement avec un gros plan d’affaires sur dix ans, mais plutôt d’expérimenter et de suivre la validation de la communauté et ce qu’elle vous dit, dit-il. Si la vision se réalise, Reeves pense que le prix pourrait être une capitalisation boursière de 50 ou 100 milliards de dollars sur le marché boursier. Il n’est pas étonnant que Delangue affirme qu’il a refusé plusieurs offres d’acquisition significatives et qu’il ne vendra pas son entreprise, comme GitHub l’a fait à Microsoft.
Nous voulons être la première entreprise à rendre public un emoji, plutôt qu’un ticker à trois lettres, dit-il avec un sourire semblable à un emoji. Nous devons commencer à faire du lobbying auprès du Nasdaq pour nous assurer que cela peut se produire.
PLUS SUR AI 50 2022