Hugging Face

Qu’est-ce que Hugging Face ?

Hugging Face est une plateforme de collaboration pour modèles et données destinée aux développeurs d’apprentissage automatique, aux chercheurs et aux entreprises. Son Hub central héberge des modèles, des ensembles de données et des applications Spaces ; les dépôts utilisent un système de gestion de versions similaire à Git, et il est possible de découvrir les projets grâce aux cartes de modèles, aux cartes d’ensembles de données, aux étiquettes, aux évaluations et aux discussions communautaires.

La documentation officielle liste actuellement plus de 2 millions de modèles, 1,5 million de jeux de données et 1,5 million d’applications, couvrant des tâches telles que le texte, les images, l’audio, la vidéo, le multimodal et la robotique.

Il s’agit à la fois d’une communauté de ressources et d’une infrastructure pour le développement d’IA en cloud : les utilisateurs peuvent télécharger des poids localement, exécuter des démonstrations en ligne, appeler différents modèles via un fournisseur d’inférence unifié, ou déployer les modèles sur des endpoints automatisés de mise à l’échelle dédiés. Chaque capacité dispose de son propre mode de facturation ; s’inscrire pour un compte gratuit ne signifie pas que les GPU, les API et le déploiement en production soient tous gratuits.

Fonctionnalités clés

• Model Hub：Recherchez des modèles par tâche, cadre, langue, licence et popularité, et consultez les fichiers de poids, les configurations, les cartes de modèle, l’historique des versions et des exemples d’inference.
• Datasets：Gestion et prévisualisation des données d’entraînement et d’évaluation, prise en charge du chargement de scripts, lecture en flux, Viewer, gestion des versions et contrôle d’accès.
• Spaces：Utilisez Gradio, Docker ou des pages statiques pour publier des démonstrations d’IA et des applications complètes ; une CPU gratuite permet de lancer des projets légers, tandis qu’il est possible d’upgrader à une GPU au tarif de l’heure.
• Inference Providers：Permet d’appeler plusieurs services d’inférence via un client et des tokens unifiés, de payer en fonction du modèle et des tarifs du fournisseur, et offre une quantité limitée d’accès gratuit.
• Inference Endpoints：Déployez le modèle spécifié sur des instances CPU, GPU ou accélérateurs dédiés, avec prise en charge de l’élargissement et du rétrécissement automatiques, de réseaux privés, de contrôles de sécurité et de surveillance de la production.
• Transformers et bibliothèques écologiques :GitHub officiel maintient des bibliothèques open source telles que Transformers, Diffusers, Datasets, Tokenizers, PEFT, etc., qui prennent en charge l’entraînement, le fine-tuning et l’inference.
• Collaboration organisationnelle :Fournit des entrepôts privés, des droits d’équipe, des groupes de ressources, SSO, audit, des stratégies de stockage et un support entreprise.
• Jobs et calcul :Il est possible d’exécuter des scripts, d’entraîner des modèles et de traiter des tâches en lot sur l’infrastructure gérée, les ressources de calcul étant facturées séparément.

Prix

Le stockage, le matériel Spaces, les endpoints d’inférence, les jobs et les fournisseurs d’inférence ne sont généralement pas inclus dans le prix du forfait. Le stockage du Hub suit un échelonnement de capacité, avec des tarifs différents pour les entrepôts publics et privés ;

Le tarif de référence actuel est d’environ 12 dollars par TB et par mois, et il peut baisser à 10, 9 et 8 dollars pour des volumes supérieurs à 50 TB, 200 TB et 500 TB respectivement.

La CPU de base de Spaces est gratuite ; l’upgrade de la CPU commence à environ 0,03 dollar de l’heure. Les GPU tels que T4, L4, A10G, A100 sont facturés à l’heure. Les endpoints d’inférence dédiés commencent à environ 0,033 dollar de l’heure ; la facture réelle dépend de l’instance, de la région, de la durée de fonctionnement et du redimensionnement automatique.

Licences et frontières du logiciel libre

De nombreux clients officiels et bibliothèques de l’écosystème Hugging Face utilisent des licences open source telles que Apache 2.0, mais la plateforme d’hébergement Hugging Face elle-même est un service commercial. Plus important encore,Le fait qu’un modèle ou un ensemble de données apparaisse sur le Hub ne signifie pas qu’il est open source, ni qu’il peut être utilisé à des fins commerciales.

Chaque entrepôt peut utiliser des licences MIT, Apache, OpenRAIL, Llama, Gemma, non commerciales, personnalisées ou inconnues, et peut être assorti de politiques d’utilisation acceptables, de restrictions relatives à la signature et à la redistribution.

Avant de télécharger, vérifiez le champ de licence du répertoire, la carte du modèle, le modèle de base, les données d’entraînement et le code de tiers. L’absence de licence ne signifie pas qu’il est libre d’utilisation par défaut ;

Les modèles restreints ou gérés par un portail peuvent exiger des conditions d’accord et la soumission d’une demande d’accès.

Les entreprises doivent également vérifier les sources des données, les informations personnelles, les droits d’auteur, les contrôles à l’exportation et les responsabilités liées aux exportations.

Guide d'utilisation de Hugging Face

Terminer une tâche de base

1. Inscrivez-vous sur Hugging Face et créez une clé API réservée uniquement à l’environnement de test ;
2. Sélectionner le modèle en fonction du type d’entrée, du contexte, de la qualité, de la vitesse et du prix ;
3. Appeler d’abord Model Hub pour effectuer la requête minimale et vérifier la structure de réponse ;
4. Utilisez à nouveau Datasets pour tester la sortie en flux, les paramètres et les réponses en cas d’erreur ;
5. Enregistrer les tokens, le nombre d’appels, le délai, le taux d’erreurs et le coût par appel ;
6. Transférez la clé dans le gestionnaire de clés du serveur avant de l’intégrer à l’application officielle ;

Créer des flux de travail professionnels réutilisables

1. Utiliser des clés et des quotas différents pour les environnements de développement, de test et de production ;
2. Créer des ensembles d’évaluation représentatifs via Model Hub, Datasets et Spaces ;
3. Définir les délais d’attente, la concurrence, les tentatives de réessai, le throttling et les plafonds budgétaires ;
4. Effectuer des vérifications sur la sortie en ce qui concerne les faits, la sécurité, le format et les informations sensibles ;
5. Surveiller les changements de version, de prix, de délai et de taux d’échec des modèles de surveillance ;
6. Préparer des plans de dégradation du modèle, de coupure et de prise en main manuelle ;

À qui s’adresse-t-il

• Développeurs qui recherchent, comparent et téléchargent des modèles de poids open source
• Équipe de recherche qui publie des modèles de thèse, des ensembles de données et des expériences reproductibles
• Afficher rapidement des prototypes d’IA et des outils pédagogiques avec Spaces
• Les organisations ayant besoin d’hébergement du raisonnement, de dépôts privés et de gouvernance d’entreprise

Restrictions et précautions

• La qualité des entrepôts communautaires varie considérablement ; les scores obtenus dans les modèles de cartes, les exigences en matière de matériel et les restrictions d’utilisation doivent être vérifiés séparément.
• Exécuter des espaces ou du code tiers peut contenir des dépendances malveillantes ;
• Avant d’activer le code à distance, il faut vérifier le contenu du dépôt et fixer la version ;
• Un entrepôt privé ne garantit pas le respect de l’ensemble des exigences réglementaires ; avant le téléchargement de données sensibles, il convient de vérifier la zone de stockage, la durée de conservation, les sous-traitants et le contrôle d’accès.
• Les espaces gratuits peuvent être en veille et présenter un démarrage lent, tandis que ZeroGPU comporte des files d’attente et des limites de durée ;
• Pour les services de production, il convient de choisir des endpoints dédiés appropriés, d’activer la réduction automatique des ressources, les alertes budgétaires et les autorisations basées sur des tokens, afin d’éviter que les tokens ne soient rendus publics ou appelés de manière anormale.

Questions fréquentes

Hugging Face est-il gratuit ?

Les fonctionnalités de base de Hub ainsi que une partie de la puissance CPU et du quota d’inference sont gratuits ; les GPU, les endpoints dédiés, le stockage supplémentaire, les Jobs et les API à fort volume sont facturés au forfait, tandis que les forfaits PRO et Organisation comportent des frais supplémentaires pour les places.

Tous les modèles sur Hugging Face peuvent-ils être utilisés à des fins commerciales ?

Impossible. Il est nécessaire de consulter les licences et les politiques d’utilisation de chaque modèle ainsi que de son modèle de base ; les licences non commerciales, réservées à la recherche ou inconnues ne doivent pas être utilisées directement dans des produits commerciaux.

Quelle est la différence entre Spaces et les endpoints d’inférence ?

Spaces conviennent aux démonstrations, aux applications interactives et aux prototypes ; les Endpoints sont conçus pour des API stables et des déploiements en production, offrant des instances dédiées, une capacité de mise à l’échelle et des contrôles de sécurité plus complets.