Le Hub de modèles : naviguer, tester, télécharger
Plus de 2 millions de modèles sont disponibles sur le Hub Hugging Face. Face à cette masse, la plupart des utilisateurs tombent sur les mêmes grands noms et passent à côté de modèles spécialisés beaucoup plus adaptés à leur cas d’usage. Cet article vous apprend la méthode de recherche avancée, la lecture efficace d’une model card, la distinction entre safetensors et GGUF, le test dans le navigateur avant téléchargement, et les trois façons de récupérer un modèle en local. Après lecture, vous ne tapez plus « llama 7b » en vous fiant uniquement aux téléchargements.
Ouvrez huggingface.co/models, puis regardez la liste qui défile. Le volume est impressionnant : modèles de langage, modèles de traduction, embeddings, génération d’images, transcription audio, vision, modèles quantifiés, fine-tunes communautaires. Les modèles les plus populaires captent naturellement l’attention, mais ce n’est pas toujours là que se trouve la meilleure réponse à votre besoin.
Savoir naviguer dans le Hub, c’est donc savoir contourner la gravité des téléchargements pour trouver le modèle qui correspond vraiment à votre tâche, votre matériel et votre contrainte de licence. C’est aussi savoir juger rapidement si un modèle mérite d’être testé, téléchargé ou ignoré.
La recherche par filtres, pas par téléchargements
L’interface du Hub propose deux modes de recherche. La barre en haut effectue une recherche textuelle classique sur les noms de modèles. Elle est utile quand vous connaissez déjà ce que vous cherchez, mais inutile quand vous explorez.
Le vrai outil, c’est la colonne de filtres à gauche sur la page huggingface.co/models. Elle est organisée par tâches, librairies, langues, licences et autres paramètres. Ensuite, chaque filtre affine la liste en temps réel. Commencez toujours par la tâche.
Filtrer par tâche
Les tâches regroupent les modèles par usage réel, pas seulement par architecture. Les principales catégories pour un utilisateur francophone :
- Text Generation — Les LLM génératifs. Llama, Mistral, Qwen, DeepSeek, Gemma, Phi. C’est là que se joue la bataille des modèles conversationnels.
- Text Classification — Classer un texte : spam ou non-spam, sentiment positif ou négatif, catégorie de ticket support. Beaucoup plus léger qu’un LLM généraliste.
- Translation — Modèles de traduction spécialisés. NLLB et Helsinki-NLP couvrent de nombreuses paires de langues.
- Automatic Speech Recognition — Transcription audio. Whisper reste une référence, mais les variantes distillées ou spécialisées peuvent être plus adaptées au temps réel.
- Text-to-Image — Génération d’images. FLUX, Stable Diffusion, HiDream et autres familles. Licences à vérifier systématiquement pour l’usage commercial.
- Feature Extraction — Modèles d’embeddings pour la recherche sémantique et le RAG. BGE, E5, Sentence-Transformers et modèles spécialisés.
Un conseil qui fait gagner des heures : quand plusieurs tâches collent à votre besoin, ne commencez pas par la plus spécifique. Ainsi, Text Generation avec un bon prompt fait parfois mieux qu’un modèle de classification fine-tuné médiocre. Mais pour les déploiements à haut volume, un modèle spécialisé de petite taille reste souvent beaucoup plus rentable qu’un LLM massif.
Filtrer par librairie et par licence
Le filtre Libraries sert à ne voir que les modèles compatibles avec votre environnement de travail. Transformers pour Python, MLX pour Mac Apple Silicon, ONNX pour déploiement cross-framework, GGUF pour inférence locale via llama.cpp, Ollama ou LM Studio.
Le filtre Licenses est souvent négligé et c’est une erreur. Un modèle sous licence « non-commercial » ne peut pas aller en production dans votre SaaS, même si vous l’adorez. Les licences permissives à privilégier pour un usage commercial sont généralement Apache 2.0, MIT ou BSD. Certaines licences de modèles sont également plus spécifiques et imposent des conditions particulières. Dans le doute, lisez le texte complet avant toute intégration professionnelle.
Lire une model card en 30 secondes
Chaque page de modèle s’ouvre sur sa model card. C’est l’équivalent d’un README mais pour un modèle d’IA. Elle devrait répondre à sept questions essentielles.
Transformer décodeur pour un LLM génératif, encodeur pour certains modèles de classification, diffusion pour l’image, MoE pour les mixtures of experts. L’architecture donne une première idée de l’usage et de la consommation.
7B, 24B, 70B, 405B. Plus le modèle est grand, plus il demande de mémoire et de calcul. La quantification peut fortement réduire ces besoins, mais elle peut aussi dégrader légèrement la qualité.
Web public, code, livres, dialogues synthétiques, données multilingues, corpus spécialisés. Un modèle qui documente clairement ses données inspire plus confiance qu’un dépôt silencieux.
MMLU, HumanEval, GSM8K, benchmarks de traduction, vision ou audio. Les scores ne disent pas tout, mais ils permettent d’écarter rapidement certains modèles trop faibles ou mal documentés.
Affichée dans les métadonnées du dépôt. Cliquez pour lire le texte complet avant tout usage commercial ou toute intégration dans un produit client.
Visible dans l’onglet « Files and versions ». Un modèle abandonné depuis longtemps est probablement dépassé par une version plus récente ou mieux maintenue.
Les organisations reconnues ou vérifiées sont généralement plus rassurantes pour un usage professionnel. Les contributeurs individuels peuvent produire d’excellents fine-tunes, mais il faut être plus vigilant sur les fichiers, la licence et la documentation.
Certains modèles affichent un bandeau vous demandant d’accepter une licence ou de partager certaines informations avant l’accès. Cliquez, lisez la licence, puis remplissez le formulaire si nécessaire. Sans cette étape, un téléchargement via Transformers ou la CLI peut renvoyer une erreur d’accès, même avec un token valide.
Tester un modèle dans le navigateur avant de le télécharger
Télécharger un modèle de plusieurs gigaoctets pour constater qu’il ne fait pas ce que vous espériez : le gaspillage de temps et de bande passante est évitable. Hugging Face propose plusieurs manières de tester avant de télécharger.
Le widget d’inférence intégré à la model card
De nombreuses model cards affichent un espace de test directement dans la page. Vous tapez une entrée — texte, image ou audio selon la tâche — puis le modèle répond dans le navigateur. C’est idéal pour une première vérification rapide.
Ce widget s’appuie désormais sur les Inference Providers, un système qui permet d’accéder à des modèles via différents fournisseurs d’inférence, avec une API unifiée et une facturation centralisée côté Hugging Face. Ainsi, vous pouvez passer du test dans le navigateur à un usage API sans gérer vous-même l’infrastructure.
Les Spaces de démonstration
Beaucoup de modèles populaires ont un ou plusieurs Spaces associés. Un Space, c’est une petite application web, souvent construite en Gradio ou Streamlit, qui permet une utilisation plus riche : upload d’image, paramètres avancés, comparaison côte-à-côte ou interface de chat complète. Cherchez également les Spaces liés au modèle quand la model card seule ne suffit pas.
Le playground de Chat
Pour les LLM conversationnels, Hugging Face propose aussi des expériences de chat via HuggingChat et certaines pages de modèles compatibles. C’est utile pour comparer rapidement deux modèles sur une même question avant de décider lequel intégrer dans un test plus sérieux.
Les formats de modèles, expliqués pour choisir
Le même modèle peut être disponible dans plusieurs formats de fichiers. Ce n’est pas de la duplication : chaque format est optimisé pour un cas d’usage différent.
| Format | Extension | Cas d’usage principal | Outils compatibles |
|---|---|---|---|
| Safetensors | .safetensors | Usage Python avec Transformers, fine-tuning, chargement plus sûr | Transformers, Diffusers, PyTorch, JAX |
| GGUF | .gguf | Inférence locale sur CPU ou GPU grand public, avec quantification | llama.cpp, Ollama, LM Studio, Jan |
| ONNX | .onnx | Déploiement cross-framework, edge computing, environnements non Python | ONNX Runtime, TensorRT, OpenVINO |
| MLX | formats compatibles MLX | Inférence optimisée sur Apple Silicon | mlx-lm, écosystème MLX |
| PyTorch legacy | .bin / .pt / .pth | Anciens modèles ou usages spécifiques. À éviter depuis des sources non vérifiées. | PyTorch |
Pourquoi safetensors a remplacé les fichiers .bin
Jusqu’en 2023, beaucoup de modèles PyTorch utilisaient des formats pouvant s’appuyer sur pickle. Ce mécanisme peut exécuter du code au chargement, ce qui pose un risque de sécurité si le fichier vient d’une source non fiable.
Le format safetensors a été conçu pour limiter ce risque : il stocke les poids sans exécuter de code au chargement. Il est aussi efficace pour charger de gros modèles. Pour un usage professionnel, privilégiez donc les dépôts bien documentés, les comptes fiables et les formats sûrs quand ils sont disponibles.
GGUF, le format de l’IA locale
GGUF est devenu le format de référence pour faire tourner des modèles quantifiés avec llama.cpp et de nombreux outils locaux. Il regroupe dans un fichier les poids, le tokenizer mais également les métadonnées nécessaires à l’exécution. Son avantage décisif : il supporte très bien la quantification, c’est-à-dire la compression des poids pour réduire la mémoire nécessaire.
Un modèle en pleine précision peut demander beaucoup de mémoire. Sa version GGUF quantifiée peut ainsi devenir utilisable sur un ordinateur grand public, avec une qualité parfois légèrement inférieure mais un coût matériel bien plus raisonnable. C’est grâce à ce format qu’Ollama, LM Studio ou Jan permettent de tester des LLM sur des machines ordinaires.
Enfin, retenez cette règle pratique : si vous fine-tunez ou entraînez, partez plutôt sur du safetensors. Si vous voulez exécuter un modèle localement sans GPU serveur, regardez d’abord les versions GGUF.
Télécharger un modèle : les trois méthodes
Méthode 1 — Téléchargement manuel via le navigateur
Sur la page du modèle, ouvrez l’onglet Files and versions. Vous pouvez télécharger un fichier précis : config.json, tokenizer.json, model.safetensors ou un fichier .gguf. C’est pratique pour un test ponctuel, mais moins adapté aux gros modèles découpés en plusieurs fichiers.
Méthode 2 — La CLI hf
L’outil en ligne de commande officiel permet de télécharger proprement un modèle, un fichier ou un dépôt complet.
# Installation et authentification pip install -U huggingface_hub hf auth login # Téléchargement d'un modèle complet hf download mistralai/Mistral-7B-Instruct-v0.3 # Téléchargement d'un seul fichier hf download TheBloke/Llama-2-7B-GGUF llama-2-7b.Q4_K_M.gguf # Téléchargement dans un dossier précis hf download mistralai/Mistral-Small-24B-Instruct \ --local-dir ./models/mistral-small
Le modèle est stocké par défaut dans le cache Hugging Face. Ce cache est partagé entre vos projets Python, ce qui évite les doublons. L’option --local-dir force un emplacement spécifique.
Méthode 3 — Chargement direct depuis Python
La méthode la plus courante côté développement. Transformers télécharge le modèle à la première utilisation et le met ensuite en cache pour les suivantes.
# Chargement d'un LLM en quelques lignes from transformers import AutoModelForCausalLM, AutoTokenizer model_id = "mistralai/Mistral-Small-24B-Instruct-2501" tokenizer = AutoTokenizer.from_pretrained(model_id) model = AutoModelForCausalLM.from_pretrained( model_id, torch_dtype="auto", device_map="auto" ) # Génération inputs = tokenizer("Bonjour, peux-tu te présenter ?", return_tensors="pt") outputs = model.generate(**inputs, max_new_tokens=200) print(tokenizer.decode(outputs[0]))
Pour les modèles gated, authentifiez-vous d’abord avec hf auth login et un token personnel généré sur huggingface.co/settings/tokens. Un token avec permission de lecture suffit généralement pour télécharger.
Pour l’IA locale : l’intégration Ollama
Si vous utilisez Ollama pour faire tourner des modèles en local, vous pouvez lancer des modèles GGUF hébergés sur Hugging Face avec la syntaxe hf.co, sans créer manuellement de Modelfile.
# Syntaxe directe Hugging Face ollama run hf.co/bartowski/Llama-3.3-70B-Instruct-GGUF:Q4_K_M # Avec un quant différent ollama run hf.co/unsloth/Mistral-Small-24B-Instruct-2501-GGUF:Q5_K_M
Ainsi, Hugging Face devient une bibliothèque très pratique pour l’IA locale : vous repérez un modèle GGUF sur le Hub, vous copiez son identifiant, puis vous le lancez directement dans Ollama si votre machine peut le supporter.
La méthode pour trouver le bon modèle en cinq minutes
Génération texte, classification, traduction, transcription, embeddings. Filtre Task sur le Hub. Ne cherchez pas d’abord l’architecture, cherchez ce que le modèle doit faire.
Licence compatible avec votre usage, langue supportée, taille adaptée à votre matériel, date de publication ou de mise à jour récente. Trois filtres cumulatifs suffisent souvent.
Widget d’inférence ou Space sur deux ou trois candidats. Lecture rapide des model cards. Choix final basé sur votre cas réel, pas seulement sur les benchmarks ou les téléchargements.
Ce que vous saurez faire après cet article
Vous ne tapez plus de requête vague dans la barre de recherche en espérant tomber sur le bon modèle. Vous ouvrez huggingface.co/models, puis vous filtrez par tâche et licence. Ensuite, vous comparez plusieurs candidats via le widget d’inférence ou les Spaces, vous lisez la model card du gagnant, puis vous téléchargez le format qui correspond à votre cas : safetensors pour Python, GGUF pour Ollama ou ONNX pour certains déploiements.
Pour la majorité des besoins courants — assistant conversationnel francophone, modèle de classification de tickets, traducteur, modèle d’embeddings pour du RAG — cette méthode suffit à trouver en quelques minutes un modèle adapté à votre matériel et à votre usage.
Ensuite, l’article suivant va creuser l’autre grande colonne du Hub : les datasets. Comment naviguer les centaines de milliers de jeux de données disponibles, comment préparer les vôtres pour du fine-tuning, et comment les charger efficacement dans vos pipelines Python.
Trouvez les bons jeux de données, chargez-les en Python, préparez vos fichiers JSONL, publiez sur le Hub…