Hugging Face
La plateforme communautaire d'IA pour les modèles, les jeux de données et les Spaces
Hugging Face est souvent décrit comme le GitHub du machine learning. Chercheurs et entreprises y déposent des modèles et des jeux de données sur le Hub, où n’importe qui peut les parcourir, lire la documentation et les télécharger. Quand un modèle ouvert sort, qu’il s’agisse d’un modèle de langage, d’un générateur d’images ou d’un système de parole, il apparaît presque toujours là en premier. Chaque page de modèle a une fiche qui décrit ce qu’il fait, comment il a été entraîné et comment l’utiliser, avec les discussions de la communauté.
L’entreprise construit aussi le logiciel autour du Hub. La bibliothèque Transformers est la façon standard de charger et de faire tourner des modèles en Python, et des bibliothèques liées gèrent les jeux de données, l’entraînement, le fine-tuning et l’inférence efficace. Spaces permet de publier des démos interactives dans un navigateur, beaucoup gratuites à essayer. Inference Providers et Inference Endpoints permettent d’appeler des modèles via une API ou de les déployer sur du hardware dédié, et le Hub inclut des classements qui comparent les modèles.
Parcourir et télécharger est gratuit, et les offres payantes ajoutent des dépôts privés, plus de calcul pour Spaces, des fonctions d’équipe et des contrôles pour les entreprises. Comme n’importe qui peut publier, la qualité et les licences varient, donc ça vaut le coup de lire la licence, de vérifier la fiche du modèle et de faire attention aux fichiers de sources inconnues. Pour apprendre, expérimenter et trouver un modèle ouvert pour une tâche, c’est le point de départ. Replicate et Together AI couvrent l’inférence hébergée, et Kaggle recoupe le terrain pour les jeux de données et les notebooks.