780 862 datasets sur le Hub
Le Hub Hugging Face héberge désormais 780 862 jeux de données, couvrant toutes les modalités : texte, image, audio, vidéo, 3D, documents, données géospatiales, tabulaires et séries temporelles. Cette croissance exponentielle (contre 250 000 fin 2024) reflète l'adoption massive de la plateforme par la communauté ML.
Bibliothèque datasets 4.5.0
La version 4.5.0 (janvier 2025) apporte des fonctionnalités majeures :
- Support Lance : Streaming de datasets à grande échelle comme fineweb-edu
- Support NIFTI (v4.4.0) : Chargement direct d'imagerie médicale
- Configuration audio : Choix stéréo/mono au lieu du défaut multi-canaux
- Chunking Parquet : Uploads dédupliqués optimisés pour le backend Xet
- Support HDF5 : Chargement avec conversion automatique en colonnes
- Compatibilité Python 3.14
Datasets les plus téléchargés
Le top 10 révèle les priorités de la recherche ML :
- deepmind/code_contests — Problèmes de programmation compétitive (AlphaCode)
- google-research-datasets/mbpp — Tâches Python basiques
- Salesforce/wikitext — 3,7M lignes de Wikipedia
- m-a-p/FineFineWeb — 4,8 milliards de lignes pour le pré-entraînement
- allenai/c4 — 10,3 milliards de lignes du web filtré
- princeton-nlp/SWE-bench_Verified — Issues GitHub réelles pour l'évaluation
Hugging Face en chiffres (2026)
- 18 millions de visiteurs mensuels
- 5 millions d'utilisateurs actifs
- 1 million+ de modèles communautaires
- 10 000+ entreprises utilisatrices
- 130 millions $ de revenus en 2024
- Valorisation : 4,5 milliards $