Nvidia achète Hugging Face pour 13 Md$, OpenAI sature ARC-AGI-3 : la semaine où l'IA a changé de propriétaires

Une acquisition qui verrouille la couche communauté de l'open-weight, un modèle frontier qui plafonne des benchmarks conçus pour résister plusieurs années, une baisse de 75% sur le cache d'Anthropic : sept jours qui redessinent la carte de force du secteur.

Nvidia s'offre Hugging Face : la fin de la neutralité open source

Le 3 septembre 2026, Nvidia a annoncé le rachat de Hugging Face pour environ 13 Md$, dont 11,9 Md$ versés aux actionnaires et 1 Md$ en equity de rétention pour les équipes qui rejoignent le groupe. Le closing est attendu au premier semestre 2027, sous réserve des autorités de la concurrence américaine et européenne. La plateforme avait refusé en 2025 une offre de 500 M$ à valorisation 7 Md$, préférant l'indépendance. Un an plus tard, le prix a été multiplié par près de deux.

Le sujet n'est pas seulement financier. Hugging Face hébergeait la quasi-totalité des modèles open-weights publiés depuis 2021, y compris ceux de Meta, Mistral, Alibaba, DeepSeek et Moonshot. La plateforme jouait un rôle d'infrastructure neutre, comparable à ce que GitHub a été pour le code source avant Microsoft. Passer sous propriété d'un fabricant de silicium, même avec des engagements écrits de gouvernance, change la nature de cette neutralité.

La vraie question ouverte concerne les uploaders. Un laboratoire chinois va-t-il continuer à publier ses checkpoints sur une plateforme détenue par Nvidia, alors que Washington restreint déjà ses accès aux GPU H200 et Blackwell ? Les alternatives existent, de ModelScope à des mirrors auto-hébergés, mais aucune n'a la traction communautaire de Hugging Face. Le réflexe des trois prochains mois sera à observer de près.

GPT-6 Astra sature les benchmarks les plus difficiles

Le 3 septembre 2026, OpenAI a livré GPT-6 Astra à une poignée de partenaires triés, avant une disponibilité générale dès le lendemain pour les utilisateurs payants. Une version restreinte refuse un ensemble de prompts, notamment en cybersécurité offensive, en attendant l'ouverture complète. Les caractéristiques techniques donnent le ton : fenêtre de contexte de 1 050 000 tokens, sortie maximale de 128 000 tokens, cutoff des connaissances au 30 avril 2026. Le tarif standard est de 10 $ par million d'input, 50 $ par million d'output, 12,50 $ pour l'écriture en cache.

Les benchmarks publiés font tousser une partie de la communauté. Astra sature FrontierMath Tier 4 avec 97,6%, ARC-AGI-3 avec 99,9%, atteint 72,6% sur OSWorld 2.0 en environ 40 minutes par tâche, et 100% sur ExploitBench contre 78,5% pour GPT-5.6 Sol. Un modèle qui joue au plafond sur des tests conçus pour rester ouverts plusieurs années soulève deux hypothèses concurrentes : soit certains benchmarks ont fuité dans le corpus d'entraînement, soit un vrai palier de raisonnement a été franchi. Les prochaines évaluations indépendantes tranchent.

Côté usages, Astra pilote un desktop de bout en bout. La démonstration officielle inclut un layout de PCB dans KiCad, une composition dans Blender, une mise à jour de CRM et un QA frontend sur un site qu'il vient lui-même de coder. L'entraînement a mobilisé plus de 100 000 GPU sur le site Stargate au Texas, un ordre de grandeur qui préfigure les besoins des modèles de 2027.

Claude Fable 5.1 : Anthropic vise la marge des workflows agentiques

Le 1er septembre 2026, Anthropic a publié Claude Fable 5.1 et sa variante Mythos 5.1, cette dernière réservée au marché américain avec des garde-fous ajustés. La véritable annonce est économique. Le prix input reste à 10 $ par million de tokens, l'output à 50 $, mais le cache-read tombe à 0,25 $ par million contre 1 $ auparavant, soit une baisse de 75%. Pour un pipeline agentique qui réutilise beaucoup de contexte, Anthropic annonce jusqu'à 45% d'économies sur les workflows très itératifs, et 25% en moyenne.

Le second axe est la réduction des faux positifs. Claude Code affiche environ 60% de faux positifs cyber en moins, un point précieux pour les équipes sécurité qui délèguent la triage d'alerte à un agent. La disponibilité couvre l'API Anthropic, AWS Bedrock, Google Vertex et Microsoft Azure, sous l'identifiant claude-fable-5-1.

L'autre signal de la semaine chez Anthropic est plus symbolique. Le laboratoire a détaillé comment Claude, opérant largement de façon autonome pendant onze jours via la plateforme Prove2Me, a produit la première preuve formelle end-to-end du Théorème de Fermat en Lean. La performance ne prouve pas que les mathématiciens sont remplacés, mais elle valide un modèle opérationnel : un LLM peut tenir un fil formel long, avec assistants de preuve, sur plusieurs jours de travail. Les mathématiques formelles à grande échelle rentrent dans le périmètre exploitable en production.

Google, Meta, Alibaba : trois stratégies, trois vitesses

Google a publié Gemini 3.8 Flash le 2 septembre 2026, dans le sillage de la 3.7 sortie le 13 août 2026. C'est un rafraîchissement continu du tier rapide et bon marché, où DeepMind tient sa place face à GPT-6 mini et Fable 5.1. Le Gemini 3 Ultra, attendu depuis plusieurs mois, n'est toujours pas là. La stratégie visible consiste à occuper les usages massifs de la Recherche, de Workspace et d'Android pendant que les capacités frontier mûrissent en interne, sous la nouvelle direction de Koray Kavukcuoglu.

Alibaba, via Consensus Protocol, a publié Qwen 3.8 27B le 2 septembre 2026, un checkpoint multimodal sous licence Apache 2.0. Pour les équipes qui construisent en local ou en privé, c'est probablement le modèle open-weight le plus utile de la rentrée, aux côtés de DeepSeek V4 dans sa version 0813. Kimi K3 conserve son avantage sur les contextes de 1 M de tokens, mais sa licence conditionne l'usage commercial à grande échelle.

Meta reste le point d'interrogation. Le laboratoire a livré Muse Spark 1.3 le 2 septembre, une mise à jour créative image, mais n'a pas publié de nouveau Llama depuis avril 2025. Llama 4 Behemoth, longtemps promis, ne s'est jamais matérialisé. L'app Meta AI grand public compte des centaines de millions d'utilisateurs, mais la contribution du groupe à l'état de l'art des modèles de fondation s'estompe. Le rachat de Hugging Face par Nvidia rend cette absence encore plus visible.

Bruxelles passe des règles à l'inspection

L'AI Office de la Commission européenne, associé à 24 autorités nationales de surveillance, a démarré le 2 août 2026 l'application effective de l'AI Act. Le mois de septembre marque la première vague d'inspections concrètes. Les fichiers techniques Article 11 pour les systèmes à haut risque déployés après le 2 août sont audités, et les fournisseurs de modèles GPAI qui dépassent le seuil de 10^25 FLOPs d'entraînement doivent remettre leurs premières évaluations formelles de risque systémique à l'AI Office avant le 15 septembre 2026.

Les obligations de transparence entrées en vigueur le 2 août 2026 restent d'actualité : un chatbot doit s'identifier comme automatisé, un deepfake doit être étiqueté, tout contenu généré ou édité par IA doit porter une marque lisible en machine. Les sanctions atteignent 15 M€ ou 3% du chiffre d'affaires mondial annuel, selon le plus élevé. Pour les GPAI concernés (OpenAI, Anthropic, Google, xAI, Mistral, Alibaba lorsqu'ils opèrent en UE), la conformité documentaire cesse d'être optionnelle.

Le déséquilibre visible se joue sur la vitesse. Nvidia a bouclé l'acquisition de Hugging Face en quelques semaines de négociation, OpenAI publie un modèle majeur tous les six mois, l'UE construit un cadre d'inspection en cinq ans. Ce décalage temporel est structurel et va probablement produire des tensions répétées sur les 12 à 18 prochains mois, en particulier autour des seuils de calcul et des obligations de transparence sur les données d'entraînement.

Testez votre lecture de la semaine