# Documentation du Hugging Face Hub Le Hugging Face Hub est la plateforme de référence pour l’IA ouverte. Il héberge plus de 2 millions de modèles, 1,5 million de jeux de données et 1,5 million d’applications IA (Spaces), tous ouverts et accessibles au public. Au-delà de l’IA ouverte, le Hub est également une excellente plateforme de collaboration pour les équipes internes et privées. Explorez, expérimentez, collaborez et construisez, le tout au même endroit ! 🤗 Abonnements et plans Abonnement PRO Plans Équipe et Entreprise Connexion unique (SSO) Journaux d'audit Régions de stockage Data Studio pour les jeux de données privés Groupes de ressources Jetons de sécurité avancés Gestion des jetons Sécurité du réseau Limites de débit Dépôts Prise en main Paramètres du dépôt Limites de stockage Backend de stockage (Xet) Cache local Demandes de tirage et discussions Notifications Collections Webhooks Étapes suivantes Licences Modèles Le Hub de modèles Fiches de modèles Résultats d'évaluation Modèles à accès restreint Téléversement de modèles Téléchargement de modèles Bibliothèques Tâchettes Widgets Fournisseurs d'inférence Statistiques de téléchargement Datasets Introduction Datasets Aperçu Cartes de jeu de données Jeux de données à accès restreint Téléversement de jeux de données Intégration de jeux de données Téléchargement de jeux de données Flux de jeux de données Édition de jeux de données Bibliothèques Data Studio Statistiques de téléchargement Fichiers de données Configuration Spaces Introduction Aperçu des Spaces Gradio Spaces HTML statique Spaces Docker Spaces ZeroGPU Spaces Intégrer votre Space Exécuter avec Docker Référence Sujets avancés Connexion avec HF Bacs de stockage new Introduction Bacs vs dépôts Git Création d'un bac Gestion des fichiers Cas d'utilisation Sécurité et conformité Jobs Introduction Aperçu des Jobs Démarrage rapide Entraînement des modèles Tarifs Gestion des Jobs Configuration des Jobs Utilisation des images Docker Planification des Jobs Webhooks Automatisation Référence Agents Introduction Aperçu des Agents Hugging Face CLI pour les agents IA Hugging Face MCP Server Hugging Face Agent Skills Construction d'agents avec le SDK HF Agents locaux Bibliothèques d'agents Autres Organisations Facturation Sécurité Modération Articles Pages Académie Hub Articles de blog Recherche Identifiant d'objet numérique (DOI) Hub Points de terminaison de l'API Se connecter avec HF Code de conduite du contributeur Lignes directrices de contenu ## Qu'est-ce que le Hugging Face Hub ? Nous aidons la communauté à travailler ensemble vers l'objectif de faire progresser le Machine Learning 🔥. Aucune entreprise, y compris les géants de la tech, ne pourra « résoudre l’IA » seule – la seule façon d’y parvenir est de partager les connaissances et les ressources dans une approche centrée sur la communauté. Nous construisons la plus grande collection open source de modèles, de jeux de données et de démos sur le Hugging Face Hub afin de démocratiser et de faire progresser le ML pour tous 🚀. Nous vous encourageons à lire le [Code de conduite](https://huggingface.co/code-of-conduct) et les [Directives de contenu](https://huggingface.co/content-guidelines) pour vous familiariser avec les valeurs que nous attendons de la part des membres de notre communauté 🤗. ## Que peut-on trouver sur le Hub ? Le Hugging Face Hub héberge des dépôts basés sur Git, qui sont des dossiers sous contrôle de version pouvant contenir tous vos fichiers. Pour le stockage d'objets mutables non versionnés, le Hub propose également des [Storage Buckets](./storage-buckets). Dès son lancement, vous pourrez y téléverser et découvrir... - Modèles : _hébergement des modèles les plus récents et les plus performants pour les tâches de LLM, de texte, de vision et d'audio_ - Jeux de données : _présentant une grande variété de données pour différents domaines et modalités_ - Spaces : _des applications interactives pour démontrer des modèles de ML directement dans votre navigateur_ Le Hub propose **le versioning, l’historique des commits, les diffs, les branches et plus d’une douzaine d’intégrations de bibliothèques** ! Tous les dépôts s’appuient sur [Xet](./xet/index), une nouvelle technologie permettant de stocker efficacement les fichiers volumineux dans Git, en découpant intelligemment les fichiers en chunks uniques et en accélérant les téléversements et les téléchargements. Vous pouvez en savoir plus sur les fonctionnalités communes à tous les dépôts dans la [**documentation des dépôts**](./repositories). ## Modèles Vous pouvez découvrir et utiliser des dizaines de milliers de modèles de ML open source partagés par la communauté. Pour promouvoir un usage et un développement responsables des modèles, les dépôts de modèles sont équipés de [fiches de modèle](./model-cards) pour informer les utilisateurs des limites et des biais de chaque modèle. Des [métadonnées](./model-cards#model-card-metadata) supplémentaires sur des informations telles que leurs tâches, leurs langues et leurs résultats d'évaluation peuvent être incluses, avec même des graphiques de métriques d'entraînement ajoutés si le dépôt contient des [traces TensorBoard](./tensorboard). Il est également facile d'ajouter un [**widget d'inférence**](./models-widgets) à votre modèle, permettant à quiconque de tester le modèle directement dans le navigateur ! Pour un accès programmatique, une API serverless est fournie par [**Inference Providers**](./models-inference). Pour téléverser des modèles sur le Hub, ou télécharger des modèles et les intégrer à votre travail, consultez la [**documentation des modèles**](./models). Vous pouvez également choisir parmi [**plus d’une douzaine de bibliothèques**](./models-libraries) telles que 🤗 Transformers, Asteroid et ESPnet qui prennent en charge le Hub. ## Jeux de données Le Hub abrite plus de 500 000 jeux de données publics dans plus de 8 000 langues, utilisables pour une large gamme de tâches en NLP, Computer Vision et Audio. Le Hub simplifie la recherche, le téléchargement et le dépôt de jeux de données. Les jeux de données sont accompagnés d’une documentation approfondie sous forme de [**Dataset Cards**](./datasets-cards) et de [**Data Studio**](./data-studio) pour vous permettre d’explorer les données directement dans votre navigateur. Bien que de nombreux jeux de données soient publics, les [**organizations**](./organizations) et les particuliers peuvent créer des jeux de données privés pour se conformer aux questions de licence ou de confidentialité. Vous pouvez en savoir plus sur les [**Datasets ici dans la documentation du Hugging Face Hub**](./datasets-overview). La bibliothèque [🤗 `datasets`](https://huggingface.co/docs/datasets/index) vous permet d'interagir avec les jeux de données de manière programmatique, afin d'utiliser facilement les jeux de données du Hub dans vos projets. En une seule ligne de code, vous pouvez accéder aux jeux de données ; même s'ils sont si volumineux qu'ils ne tiennent pas sur votre ordinateur, vous pouvez utiliser le streaming pour accéder efficacement aux données. ## Spaces [Spaces](https://huggingface.co/spaces) est un moyen simple d’héberger des applications de démonstration ML sur le Hub. Ils vous permettent de constituer votre portefeuille ML, de présenter vos projets lors de conférences ou à des parties prenantes, et de collaborer avec d’autres personnes de l’écosystème ML. Nous prenons actuellement en charge deux SDK Python remarquables (**[Gradio](https://gradio.app/)** et **[Streamlit](./spaces-sdks-streamlit)**) qui vous permettent de créer des applications en quelques minutes. Les utilisateurs peuvent également créer des Spaces statiques, qui sont de simples pages HTML/CSS/JavaScript, ou déployer n’importe quelle application basée sur Docker. Si vous avez besoin de puissance GPU pour vos démonstrations, essayez [**ZeroGPU**](./spaces-zerogpu) : il fournit dynamiquement des GPU NVIDIA RTX Pro 6000 Blackwell, en temps réel, uniquement lorsque c'est nécessaire. Après avoir exploré quelques Spaces (jetez un œil à notre [Space de la semaine !](https://huggingface.co/spaces)), plongez dans la [**documentation des Spaces**](./spaces-overview) pour tout savoir sur la création de votre propre Space. Vous pourrez également mettre à niveau votre Space pour l'exécuter sur un GPU ou tout autre matériel accéléré. ⚡️ ## Bacs de stockage [Storage Buckets](./storage-buckets) offrent un stockage d’objets de type S3 sur Hugging Face, propulsé par le backend de stockage Xet. Contrairement aux dépôts (basés sur git et qui suivent l’historique des fichiers), les buckets sont des conteneurs de stockage d’objets distants conçus pour les fichiers de grande taille avec déduplication par adresse de contenu. Ils sont destinés aux cas d’usage nécessitant un stockage simple, rapide et mutable, comme le stockage de points de contrôle d’entraînement, de journaux, d’artefacts intermédiaires ou de toute grande collection de fichiers qui n’a pas besoin de contrôle de version. ## Organisations Les entreprises, les universités et les organisations à but non lucratif font partie intégrante de la communauté Hugging Face ! Le Hub propose des [**Organizations**](./organizations), qui permettent de regrouper des comptes et de gérer des datasets, des modèles et des Spaces. Les enseignants peuvent également créer des organisations collaboratives pour leurs étudiants à l'aide de [Hugging Face for Classrooms](https://huggingface.co/classrooms). Les dépôts d'une organisation sont mis en avant sur la page de l'organisation et chaque membre de l'organisation peut contribuer au dépôt. En plus de regrouper efficacement l'ensemble du travail d'une organisation, le Hub permet aux administrateurs de définir des rôles pour [**contrôler l'accès aux dépôts**](./organizations-security) et de gérer la [méthode de paiement et les informations de facturation](https://huggingface.co/pricing) de leur organisation. Le Machine Learning est plus amusant en collaboration ! 🔥 [Explorez les organisations existantes](https://huggingface.co/organizations), créez une nouvelle organisation [ici](https://huggingface.co/organizations/new), puis consultez la [**documentation des organisations**](./organizations) pour en savoir plus. ## Sécurité Le Hugging Face Hub prend en charge des fonctionnalités de sécurité et de contrôle d’accès pour vous garantir que votre code, vos modèles et vos données sont en sécurité. Consultez la section [**Sécurité**](./security) de cette documentation pour en savoir plus sur : - Jetons d'accès utilisateur - Contrôle d'accès pour les organisations - Signature des commits avec GPG - Analyse des logiciels malveillants