Du nord de la France à eBay : l’école de la débrouille
Clément Delangue a grandi dans une petite ville du nord de la France, loin des écosystèmes tech. Adolescent, dès son premier ordinateur connecté à Internet, il se lance dans le troc en ligne : il achète sur Cdiscount pour revendre aux enchères sur eBay, avec son frère et son père. Son coup de maître, raconte-t-il, ce sont les quads et mini-motos importés de Chine — un conteneur mettait trois mois à arriver, une mini-moto achetée autour de 300 dollars se revendait près de 1 500 dollars. « Des marges de malade », résume-t-il.
À 17 ans, au moment du bac, il devient vendeur professionnel ; à 20 ans, il se décrit comme le plus gros vendeur du bureau parisien d’eBay, au point que les équipes le consultent comme « la voix des vendeurs ». Étudiant à l’ESCP, il est finalement recruté par eBay lors d’un stage, motivé par l’envie de passer « de l’autre côté de la barrière » et de comprendre comment se construit une plateforme.
Moodstocks, la Silicon Valley et la naissance de Hugging Face
Sur un salon e-commerce, un jeune ingénieur « ultra geek » l’aborde : son équipe, sortie de Centrale, fait de la reconnaissance d’objets par machine learning, plus performante que la technologie qu’eBay venait de racheter. Un mois plus tard, Clément Delangue rejoint cette start-up de cinq personnes, Moodstocks, qui sera plus tard rachetée par Google. C’est sa porte d’entrée dans le machine learning, il y a plus de dix ans déjà.
Il revient aussi sur un échec fondateur : une première société montée étudiant, une plateforme de partage de notes de cours utilisée jusqu’à Stanford et au MIT, poussée par son accélérateur à pivoter vers un produit qui ne l’inspirait plus. « Ça a tué la boîte », dit-il, et la leçon reste : suivre ses intuitions. Hugging Face naît de cette conviction. Fondée il y a un peu plus de cinq ans avec Julien Chaumond et Thomas Wolf, l’entreprise démarre par un chatbot, une sorte d’« ami virtuel », avant de pivoter, environ deux ans et demi plus tard, vers la plateforme qui fera sa renommée.
Hugging Face, le « GitHub » du machine learning
Comment expliquer le machine learning à un néophyte ? « C’est ne pas avoir à dire à l’ordinateur : ceci est une chaise et ça sert à s’asseoir dessus », illustre Clément Delangue. Au lieu d’écrire des règles, on entraîne un modèle sur des données. Hugging Face se présente comme la plateforme la plus utilisée pour permettre aux entreprises d’intégrer de l’IA, sur le modèle de GitHub — mais pour les modèles de machine learning plutôt que pour le code. Il détaille le levier technique qui a tout changé, le transfer learning, qui permet de réutiliser un apprentissage global et de le personnaliser avec très peu de données.
Il partage des ordres de grandeur : autour de 10 000 entreprises utilisatrices, Google, Facebook et Microsoft compris, des dizaines de milliers de modèles publics et des milliers de nouveaux chaque semaine, un modèle économique freemium où environ 10 % des utilisateurs paient. Le tout repose sur une culture scientifique du partage en open source : « Ça te revient en pleine gueule, mais de la bonne manière. »
L’intelligence artificielle, ses promesses et ses dérives
Clément Delangue refuse autant l’angélisme que le catastrophisme. Il rappelle que le machine learning est déjà partout — recherche Google, autocomplétion de Gmail, conduite autonome — et que les papiers de recherche d’il y a quatre ans sont déjà en production. Mais il alerte sur les biais : le modèle BERT associait certains métiers à un genre, et le chatbot Tay de Microsoft est devenu raciste en moins d’une journée sur Twitter. Pour y répondre, Hugging Face a recruté la chercheuse Meg Mitchell, spécialiste de l’éthique de l’IA.
Il aborde la géopolitique de la discipline : beaucoup de Français dans les grands laboratoires, de Yann LeCun à Jérôme Pesenti chez Facebook, une France dotée d’atouts réels (mathématiques, écoles, financement public). Selon lui, l’avantage des données massives, notamment chinoises, est « pas mal surestimé » grâce au transfer learning, et l’approche plus prudente de la France et des États-Unis sur la surveillance pourrait être plus saine à long terme. Il plaide pour une régulation — comparée au traité de non-prolifération nucléaire — et relativise le scénario d’une superintelligence : « On n’y est pas, on n’y sera pas dans les dix prochaines années. »
Lever des fonds sans se renier : la philosophie d’un fondateur
Côté financement, Clément Delangue raconte une term sheet obtenue en deux heures, longue d’une page et demie, quand les fonds français en produisent « 20 à 30 pages ». Il assume une ligne claire : choisir des investisseurs « qui savent qu’ils sont des investisseurs », garder la main sur son entreprise et refuser de vendre trop tôt. « Beaucoup trop de gens vendent beaucoup trop tôt », dit-il, citant l’exemple de son mentor Olivier Pomel, fondateur de Datadog, et visant l’indépendance jusqu’à une éventuelle entrée en Bourse.
Il défend un management décentralisé, fait de liberté et d’expérimentation, des « guidelines » plutôt que des process. Sa boussole reste personnelle : jouer sur sa singularité, se confronter à l’action plutôt que sur-théoriser, et s’écouter soi-même « quitte à ce que ça ne marche pas ». Son livre de chevet, Le Mythe de Sisyphe, résume sa vision : ce qui compte, c’est la montée, pas seulement le sommet. « Il faut imaginer Sisyphe heureux. »
Clément Delangue nous recommande…
- « Le Mythe de Sisyphe » — Albert Camus. Son livre préféré, dont il tire une philosophie de l’action : profiter du chemin, indépendamment du résultat.
- « Multipliers: How the Best Leaders Make Everyone Smarter » — Liz Wiseman. Un essai de management sur les dirigeants qui rendent leurs équipes plus intelligentes.
Pour aller plus loin
- Hugging Face — la plateforme
- Les cours en ligne de Hugging Face
- Clément Delangue sur LinkedIn
- Clément Delangue sur Twitter / X
Les références de l’épisode
- Julien Chaumond et Thomas Wolf, cofondateurs de Hugging Face avec Clément Delangue.
- eBay et PayPal, où Clément Delangue a fait ses débuts dans l’e-commerce.
- Moodstocks, la start-up de reconnaissance d’objets rachetée par Google.
- GitHub, la plateforme de partage de code prise comme analogie.
- TensorFlow (Google) et PyTorch (Facebook), les deux grands frameworks de machine learning.
- BERT, le modèle de langage cité pour ses biais de genre ; Tay, le chatbot de Microsoft devenu raciste.
- Meg Mitchell (Margaret Mitchell), chercheuse en éthique de l’IA recrutée par Hugging Face.
- Yann LeCun et Jérôme Pesenti, figures françaises de l’IA passées par Facebook.
- INRIA et le supercalculateur Jean Zay ; le projet BigScience et son grand modèle de langue open source.
- Olivier Pomel et Datadog, cités comme modèle d’entreprise devenue géante ; Fast.ai et le master MVA (ENS) pour se former.
Au fil de l’épisode
- 00:12:20 — Les débuts de Clément Delangue chez eBay
- 00:22:50 — Hugging Face : le machine learning en open source
- 00:48:00 — La place de l’IA dans la vie des êtres humains
- 00:58:00 — Détecter les dérives et créer des régulations
- 01:31:00 — Les investissements au sein de Hugging Face
FAQ
Qui est Clément Delangue ?
Clément Delangue est un entrepreneur français, cofondateur et dirigeant de Hugging Face. Parti d’un village du nord de la France, il s’est fait connaître comme gros vendeur sur eBay avant de rejoindre Moodstocks, puis de fonder Hugging Face avec Julien Chaumond et Thomas Wolf. Il vit aux États-Unis et est reconnu comme une figure de la French Tech dans l’intelligence artificielle.
Qu’est-ce que Hugging Face ?
Hugging Face est une plateforme open source dédiée au machine learning. Elle permet aux entreprises de partager, réutiliser et intégrer des modèles d’intelligence artificielle, sur le principe de GitHub mais pour les modèles plutôt que pour le code. Utilisée par des milliers d’entreprises, dont les grands acteurs de la tech, elle vise à démocratiser l’accès à l’IA à l’échelle mondiale.
Qu’est-ce que le machine learning ?
Le machine learning, ou apprentissage automatique, consiste à entraîner un algorithme sur des données plutôt qu’à lui dicter des règles. Comme le résume Clément Delangue, c’est « ne pas avoir à dire à l’ordinateur : ceci est une chaise ». Le modèle apprend seul à reconnaître des schémas. C’est la technologie derrière la recherche en ligne, la traduction ou la conduite autonome.
Pourquoi compare-t-on Hugging Face à GitHub ?
Parce que Hugging Face joue pour le machine learning le rôle que GitHub joue pour le code informatique. C’est un lieu central où la communauté héberge, partage et améliore des modèles et des jeux de données en open source. Cet effet de communauté crée un standard, accélère la recherche et permet à chacun de réutiliser le travail des autres.
Quel métier Clément Delangue conseille-t-il d’apprendre ?
Celui de « machine learning engineer ». Selon lui, dans cinq ans, le machine learning sera la manière par défaut de créer de la technologie. Il estime que s’il y a un métier à apprendre aujourd’hui, c’est celui-là, tant l’IA est en train de devenir une compétence transversale à l’ensemble du secteur numérique.
Quels sont les risques de l’intelligence artificielle selon Clément Delangue ?
Il pointe surtout les biais des modèles, illustrés par BERT et par le chatbot Tay de Microsoft devenu raciste, ainsi que les usages problématiques comme la surveillance de masse. Il plaide pour une régulation et le consentement sur les données, tout en écartant le scénario d’une superintelligence imminente. Sa réponse : travailler sur ces sujets pour orienter l’IA vers des usages positifs.
