Le Hub de modèles : naviguer, tester, télécharger

Ouvrez huggingface.co/models et regardez la liste défiler. Vous y verrez des modèles de langage, des traducteurs, des modèles d’embeddings, des générateurs d’images, des outils de transcription, des modèles de vision, des versions compressées et des variantes créées par la communauté. Les modèles les plus téléchargés attirent naturellement l’œil, alors que la meilleure réponse à votre besoin se cache souvent plus loin dans la liste.

Savoir naviguer dans le Hub revient donc à trouver le modèle qui correspond à votre tâche, à votre matériel et à votre contrainte de licence, sans vous laisser guider par la seule popularité. Vous apprendrez aussi à juger vite si un modèle mérite d’être testé, téléchargé ou écarté. Si vous découvrez Hugging Face, le premier volet de la série, Hugging Face décrypté, présente la plateforme, et le guide pour débuter vous fait faire vos premiers tests sans coder.

Chercher avec les filtres plutôt qu’avec les téléchargements

L’interface du Hub propose deux façons de chercher. La barre en haut de page lance une recherche sur les noms de modèles, ce qui sert surtout quand vous savez déjà ce que vous voulez. Pour explorer, mieux vaut passer par la colonne de filtres de la page huggingface.co/models.

Cette colonne classe les modèles par tâche, bibliothèque, langue, licence et fournisseur d’inférence. Chaque filtre affine la liste en temps réel, et la tâche reste le meilleur point de départ.

Filtrer par tâche

Les tâches regroupent les modèles selon ce qu’ils font. Voici les principales pour un utilisateur francophone :

• Text Generation — Cette catégorie réunit les LLM génératifs, comme Llama, Mistral, Qwen, DeepSeek, Gemma ou gpt-oss. C’est là que se joue la bataille des modèles conversationnels.
• Text Classification — Ces modèles classent un texte : spam ou non, avis positif ou négatif, catégorie d’un ticket de support. Ils sont bien plus légers qu’un LLM généraliste.
• Translation — Les modèles de traduction spécialisés, comme NLLB ou ceux de Helsinki-NLP, couvrent de nombreuses paires de langues.
• Automatic Speech Recognition — On y trouve les modèles de transcription. Whisper reste une référence, et Voxtral de Mistral AI s’y est ajouté, tandis que les variantes allégées conviennent mieux au temps réel.
• Text-to-Image — Les générateurs d’images, comme FLUX, Stable Diffusion ou Qwen-Image, se trouvent ici. Leur licence doit toujours être vérifiée avant un usage commercial.
• Feature Extraction — Ces modèles d’embeddings servent à la recherche sémantique et au RAG. BGE, E5 ou Sentence-Transformers en font partie.

Quand plusieurs tâches collent à votre besoin, testez d’abord la solution la plus souple. Un LLM de la catégorie Text Generation, bien guidé par un prompt, fait parfois mieux qu’un modèle de classification mal entraîné. Pour un traitement à gros volume, un petit modèle spécialisé reste en revanche bien plus économique qu’un LLM massif.

Filtrer par bibliothèque et par licence

Le filtre Libraries n’affiche que les modèles compatibles avec votre environnement. Choisissez Transformers pour travailler en Python, MLX pour un Mac équipé d’une puce Apple, ONNX pour un déploiement hors Python et GGUF pour faire tourner un modèle en local avec llama.cpp, Ollama ou LM Studio.

Le filtre Licenses est souvent négligé, à tort. Un modèle sous licence non commerciale ne peut pas équiper votre produit, quelle que soit sa qualité. Pour un usage commercial, les licences permissives Apache 2.0 et MIT sont les plus simples. D’autres licences, comme celles de Llama ou de Gemma, autorisent l’usage commercial mais imposent leurs propres conditions. 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, l’équivalent d’un mode d’emploi pour un modèle d’IA. Une bonne fiche répond à sept questions.

Tester un modèle dans le navigateur avant de le télécharger

Télécharger plusieurs gigaoctets pour découvrir que le modèle ne fait pas ce que vous espériez fait perdre du temps. Hugging Face propose plusieurs moyens de tester avant.

Le widget d’inférence de la model card

Beaucoup de model cards affichent une zone de test à droite de la page. Vous saisissez un texte, une image ou un son selon la tâche, et le modèle répond dans le navigateur. Cette vérification rapide suffit souvent à écarter un candidat.

Ce widget passe par les Inference Providers, des fournisseurs partenaires qui hébergent les modèles et que Hugging Face facture pour vous. Chaque test consomme une petite part de vos crédits mensuels : 0,10 dollar sur un compte gratuit, 2 dollars avec l’abonnement PRO. Le même système sert ensuite si vous appelez le modèle par API, sans gérer de serveur.

Les Spaces de démonstration

Beaucoup de modèles connus ont un ou plusieurs Spaces associés, listés sur leur page. Un Space est une petite application web, souvent construite avec Gradio, qui offre une utilisation plus riche : envoi d’image, réglages avancés, comparaison côte à côte ou interface de chat complète. Beaucoup tournent sur ZeroGPU, qui prête gratuitement une carte graphique dans la limite d’un quota quotidien de quelques minutes.

HuggingChat et le playground

Pour les modèles conversationnels, HuggingChat permet de discuter avec plus d’une centaine de modèles ouverts. Relancé en octobre 2025, il choisit par défaut le modèle à votre place grâce à un routeur baptisé Omni, mais vous pouvez aussi en sélectionner un vous-même pour comparer deux modèles sur la même question. Le service demande une connexion et consomme vos crédits d’inférence.

Les formats de modèles, expliqués pour choisir

Un même modèle existe souvent en plusieurs formats de fichiers, et chacun répond à un usage précis.

Pourquoi safetensors a remplacé les fichiers .bin

Jusqu’en 2023, beaucoup de modèles PyTorch étaient enregistrés avec pickle, un mécanisme Python qui peut exécuter du code au chargement. Un fichier piégé peut donc lancer un programme malveillant sur votre machine. Hugging Face analyse les fichiers déposés et signale les imports suspects sur la page du dépôt, tout en prévenant que ce contrôle n’est pas infaillible.

Le format safetensors a été conçu pour supprimer ce risque. Il stocke uniquement les poids du modèle, sans code exécutable, et il charge aussi plus vite les gros modèles. Pour un usage professionnel, privilégiez les dépôts documentés, les éditeurs fiables et ce format quand il est proposé.

GGUF, le format de l’IA locale

GGUF est devenu le format de référence pour faire tourner des modèles compressés avec llama.cpp et les outils qui s’appuient dessus. Un seul fichier regroupe les poids, le tokenizer et les informations nécessaires à l’exécution. Son principal atout tient à la quantification, qui compresse les poids pour réduire la mémoire nécessaire.

Un modèle en pleine précision peut demander beaucoup de mémoire, alors que sa version GGUF quantifiée tient sur un ordinateur grand public, avec une qualité à peine inférieure. Le nom du fichier indique le niveau de compression : Q4_K_M offre un bon équilibre, Q8_0 reste plus fidèle mais pèse presque deux fois plus lourd. Des comptes comme unsloth ou bartowski publient des versions GGUF des principaux modèles peu après leur sortie.

La règle pratique est simple. Pour ajuster ou entraîner un modèle, partez du format safetensors. Pour faire tourner un modèle sur votre machine sans serveur, cherchez d’abord une version GGUF.

Télécharger un modèle : les trois méthodes

Méthode 1 : le téléchargement dans le navigateur

Sur la page du modèle, ouvrez l’onglet Files and versions. Vous pouvez y télécharger un fichier précis, comme config.json, tokenizer.json, model.safetensors ou un fichier .gguf. Cette méthode convient pour un test ponctuel, beaucoup moins pour un gros modèle découpé en plusieurs fichiers.

Méthode 2 : la ligne de commande hf

L’outil officiel en ligne de commande télécharge 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 Qwen/Qwen3-4B-Instruct-2507

# Téléchargement d'un seul fichier
hf download unsloth/Qwen3-4B-Instruct-2507-GGUF Qwen3-4B-Instruct-2507-Q4_K_M.gguf

# Téléchargement dans un dossier précis
hf download mistralai/Mistral-Small-3.2-24B-Instruct-2506 \
  --local-dir ./models/mistral-small

Par défaut, le modèle est rangé dans le cache Hugging Face, partagé entre vos projets Python pour éviter les doublons. L’option --local-dir impose un autre emplacement.

Méthode 3 : le chargement direct depuis Python

C’est la méthode la plus courante pour un développeur. La bibliothèque Transformers télécharge le modèle à la première utilisation, puis le garde en cache.

# Chargement d'un LLM en quelques lignes

from transformers import pipeline

chat = pipeline(
    "text-generation",
    model="Qwen/Qwen3-4B-Instruct-2507",
    dtype="auto",
    device_map="auto"
)

# Génération
messages = [{"role": "user", "content": "Bonjour, peux-tu te présenter ?"}]
resultat = chat(messages, max_new_tokens=200)
print(resultat[0]["generated_text"][-1]["content"])

Depuis la version 5 de Transformers, sortie en décembre 2025, la bibliothèque fonctionne uniquement avec PyTorch, et le paramètre dtype remplace l’ancien torch_dtype. Pour un modèle gated, authentifiez-vous d’abord avec hf auth login et un jeton personnel créé sur huggingface.co/settings/tokens. Un jeton en lecture seule suffit pour télécharger.

Pour l’IA locale : Ollama et les applications locales

Ollama lance directement un modèle GGUF hébergé sur Hugging Face grâce à la syntaxe hf.co, sans créer de fichier de configuration. Sans précision, Ollama choisit la version Q4_K_M quand elle existe.

# Syntaxe directe Hugging Face

ollama run hf.co/unsloth/Qwen3-4B-Instruct-2507-GGUF

# Avec un niveau de quantification précis
ollama run hf.co/unsloth/Mistral-Small-3.2-24B-Instruct-2506-GGUF:Q4_K_M

Le bouton Use this model de chaque page propose aussi les applications locales compatibles, comme llama.cpp, Ollama, LM Studio ou Jan, avec la commande prête à copier. Activez-les dans les réglages de votre compte, rubrique Local Apps. Vous repérez ainsi un modèle sur le Hub, vous copiez la commande, puis vous le lancez sur votre machine si elle a assez de mémoire. Notre guide pour installer Qwen en local avec Ollama et LM Studio détaille cette démarche pas à pas.

La méthode pour trouver le bon modèle en cinq minutes

Ce que vous saurez faire après cet article

Vous ne tapez plus une requête vague en espérant tomber sur le bon modèle. Vous ouvrez huggingface.co/models, vous filtrez par tâche et par licence, puis vous comparez plusieurs candidats dans le widget d’inférence ou dans un Space. Vous lisez ensuite la model card du meilleur, et vous téléchargez le format adapté à votre cas : safetensors pour Python, GGUF pour Ollama, ONNX pour certains déploiements.

Pour la plupart des besoins courants, comme un assistant conversationnel en français, un classement de tickets, une traduction ou des embeddings pour un RAG, cette méthode suffit à trouver en quelques minutes un modèle adapté à votre matériel. Le dernier volet de la série s’attaque à l’autre grande colonne du Hub, les datasets : comment explorer les jeux de données disponibles, préparer les vôtres pour ajuster un modèle et les charger dans vos scripts Python.