Hugging Face confie Safetensors à la PyTorch Foundation pour une gouvernance neutre du format

Le 8 avril 2026, Hugging Face a annoncé le transfert du format de stockage de poids Safetensors à la PyTorch Foundation. Pour l'écosystème du ML open source, il ne s'agit pas d'un changement de technologie, mais d'un changement de modèle de gouvernance : le format, l'API et la compatibilité restent identiques, mais le développement du projet revient désormais à une structure neutre placée sous la Linux Foundation.

À quoi sert Safetensors

Safetensors est né en réponse à un problème que la communauté du ML a longtemps toléré : de nombreux poids de modèles circulaient dans des formats fondés sur pickle, ce qui signifie qu'ils pouvaient exécuter du code arbitraire au chargement. Tant que l'échange de modèles restait une pratique de niche, le risque était souvent ignoré. Mais avec la croissance des dépôts ouverts et la réutilisation massive des modèles, ce schéma est devenu trop dangereux. Hugging Face a misé sur un format simple, qui stocke les métadonnées dans un en-tête JSON à taille strictement limitée et les sépare des données brutes des tenseurs.

Sur le plan technique, le format règle plusieurs problèmes pratiques à la fois. Il prend en charge le zero-copy loading, c'est-à-dire qu'il permet de mapper les poids directement depuis le disque sans copie superflue, ainsi que le lazy loading, qui permet de ne lire que les parties utiles d'un checkpoint au lieu de désérialiser tout le fichier. Selon Hugging Face, cet équilibre entre sécurité et performances a aidé Safetensors à devenir le format par défaut pour la distribution de modèles sur le Hugging Face Hub et au-delà. Il est aujourd'hui utilisé dans des dizaines de milliers de modèles de toutes sortes, des modèles de langage aux modèles multimodaux.

Ce qui change maintenant

Safetensors est désormais un foundation-hosted project au sein de la PyTorch Foundation, qui relève de la Linux Foundation. Pour le projet, cela signifie le passage à une gouvernance indépendante des fournisseurs : la marque, le dépôt et les règles formelles de gouvernance ne sont plus liés à une seule entreprise. Le travail quotidien n'est toutefois pas remis à zéro : les deux principaux mainteneurs de Hugging Face, Luc et Daniel, restent à la direction technique et continuent de piloter le projet.

« Pour la plupart des utilisateurs, rien ne change. »

C'est sans doute le principal signal pour le marché. Les développeurs n'ont pas besoin de migrer vers un autre format, de réécrire du code ni d'attendre des breaking changes. Hugging Face souligne par ailleurs que les fichiers Safetensors existants, les API actuelles et l'intégration avec le Hub fonctionnent comme avant.

En revanche, pour la communauté, la voie d'accès au statut de mainteneur se formalise : les règles de gouvernance et la liste des responsables sont publiées dans des documents ouverts, et les entreprises qui bâtissent des produits sur ce format gagnent une assise institutionnelle plus solide.

Et ensuite pour le projet

La prochaine étape majeure est une intégration plus étroite avec PyTorch. Hugging Face indique travailler avec l'équipe du framework pour que Safetensors puisse être utilisé dans le cœur de PyTorch comme système de sérialisation des modèles torch. Si cela atteint le stade de la production, le format renforcera sa position non seulement comme alternative sûre pour les hubs et les dépôts, mais aussi comme mécanisme de base pour l'échange de poids au sein même de l'écosystème PyTorch.

Dans les prochains mois, l'équipe compte faire avancer plusieurs chantiers à la fois :

• device-aware loading et saving, afin que les tenseurs se chargent directement sur CUDA, ROCm et d'autres accélérateurs
• des API pour le Tensor Parallel et le Pipeline Parallel, où chaque rank ou stage ne reçoit que les poids dont il a besoin
• la prise en charge formelle du FP8
• la prise en charge de formats block-quantized, dont GPTQ et AWQ
• la prise en charge de types entiers inférieurs à un octet

La liste des fonctions compte, mais le contexte dans lequel elles seront développées aussi. Au sein de la PyTorch Foundation, Safetensors pourra traiter ces sujets non pas en parallèle d'autres projets d'infrastructure, mais avec eux, aux côtés de PyTorch, DeepSpeed, vLLM, Ray et Helion. Pour les développeurs, cela augmente les chances que le format évolue comme un standard commun de l'écosystème, et non comme un outil utile mais extérieur, détenu par une seule entreprise.

Ce que cela signifie

Le passage de Safetensors à la PyTorch Foundation entérine ce qui s'était déjà produit de facto : le format est passé d'une initiative interne de Hugging Face à une infrastructure commune du ML open source. Si la gouvernance neutre accélère réellement la prise en charge de nouveaux types de données, le chargement parallèle et l'intégration au cœur de PyTorch, le marché n'obtiendra pas seulement un format de poids plus sûr, mais l'une des briques de base de la prochaine génération d'outils de ML.