Aller au contenu
Hacktion Wiki IA

Hugging Face

Ce que vous saurez dans 3 minutes

Hugging Face est à l’IA ce que GitHub est au code source : l’infrastructure vitale où tout le monde collabore. Nous verrons comment utiliser leur librairie transformers pour télécharger une IA de pointe en 3 lignes de code, et pourquoi cette plateforme est le seul véritable contre-pouvoir face aux géants fermés (OpenAI/Google).

1. Comprendre : Le Hub Central

Avant Hugging Face, partager un modèle d’IA était un cauchemar (fichiers perdus sur Dropbox, code non compatible). HF a créé un standard :

  • Model Hub : L’hébergement de fichiers lourds (Git LFS).
  • Model Card : Une fiche d’identité standardisée (Biais, usage, licence).
  • Spaces : Des démos web pour tester les modèles sans coder.

2. Appliquer : Utiliser transformers

C’est la librairie Python qui a tout changé. Elle permet d’utiliser n’importe quel modèle (Google, Meta, Microsoft) avec la même syntaxe unifiée.

Exemple : Analyse de sentiment

from transformers import pipeline


# 1. On charge un pipeline "analyse de sentiment"
# HF télécharge automatiquement le modèle le plus adapté (par défaut distilbert)
nlp = pipeline("sentiment-analysis")


# 2. On l'utilise
result = nlp("J'adore apprendre comment fonctionne Hugging Face !")


print(result)
# Output : [{'label': 'POSITIVE', 'score': 0.99}]

Exemple : Charger un modèle spécifique (Mistral 7B)

from transformers import AutoModelForCausalLM, AutoTokenizer


model_id = "mistralai/Mistral-7B-v0.1"


# Chargement du Tokenizer et du Modèle
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id)


# Prêt pour la génération !

Quand utiliser Hugging Face vs OpenAI API ?

CritèreOpenAI (GPT-4)Hugging Face (Open Source)
Simplicité⭐⭐⭐⭐⭐ (Une API)⭐⭐⭐ (Gérer l’infra)
Confidentialité❌ Données partent aux USA✅ Local (On-Premise possible)
CoûtAu token (OpEx)Au GPU (CapEx/OpEx)
ContrôleZéro (Boîte noire)Total (Code & Poids ouverts)

3. Aller plus loin : Le Pilier de l’Open Science

Hugging Face mène la guerre idéologique pour l’Open Science.

  • Leaderboard : Ils maintiennent le classement de référence (Open LLM Leaderboard) qui force les modèles à prouver leur performance.
  • Datasets : Ils hébergent des pétaoctets de données d’entraînement (ex: FineWeb), carburant indispensable.

Questions Fréquentes

Est-ce gratuit ? Oui. L’hébergement des modèles, des datasets et l’usage de la librairie sont gratuits. HF gagne de l’argent en vendant de la “Compute” (louer des GPU pour entraîner/héberger des modèles privés) aux entreprises.

Qui possède les modèles sur HF ? Les créateurs. Meta possède Llama, Mistral possède Mistral. HF est juste la bibliothèque (comme YouTube ne possède pas les vidéos des créateurs).

Notions Liées (Spider Web)