HF Explorer · Hugging Face Hub
Explorez, analysez et comparez les modèles du Hugging Face Hub. Évaluez leurs besoins en ressources matérielles pour choisir des modèles adaptés à votre configuration.
Application web gratuite hébergée sur Render : après une période d'inactivité, le premier chargement peut prendre 30 à 50 secondes.
Le cœur de Huggor
Les modèles d'IA peuvent exiger des ressources très différentes. Avant de télécharger plusieurs gigaoctets, il est utile de connaître la taille d'un modèle, son besoin en mémoire et les limites de sa configuration. Huggor aide à anticiper cette compatibilité.
Ajustez les valeurs : ce simulateur applique les mêmes formules et constantes que l'onglet Hardware de l'application, à partir d'un nombre de paramètres que vous choisissez. Dans HF Explorer, ce nombre vient du modèle réel.
| Précision | Mémoire estimée | Verdict |
|---|
Une aide à la décision, pas une garantie. Ces estimations ne garantissent pas qu'un modèle fonctionnera dans toutes les conditions. La consommation réelle dépend notamment du moteur d'inférence, de la longueur du contexte, de la taille de lot, de la quantification exacte et des autres processus en cours. La taille des fichiers d'un modèle ne mesure pas, à elle seule, ses besoins en mémoire.
Explorer
HF Explorer interroge l'API du Hub et présente les résultats sous forme de cartes synthétiques, avec un lien direct vers la fiche d'origine pour consulter le détail sur Hugging Face.
Analyser
La fiche technique rassemble ce qu'il faut savoir avant de télécharger, expliqué en français, avec des infobulles sur chaque champ.
Les variantes quantifiées et les modèles similaires reposent sur des heuristiques fondées sur les métadonnées publiques ; le score n'est pas une mesure de qualité du modèle.
Comparer
C'est celui qui correspond à votre usage et à votre matériel. Le comparateur met 2 à 4 modèles côte à côte et propose une recommandation motivée.
| Critère | Ce qui est comparé |
|---|---|
| Taille | Nombre de paramètres, taille des fichiers |
| Popularité | Téléchargements et likes |
| Capacités | Contexte, licence, couverture du français déclarée |
| Matériel | Adéquation à une machine locale (verdict Model Advisor) |
| Formats | Disponibilité de GGUF, type de données (dtype) |
| Technique | Tâche, architecture, dernière mise à jour, radar des quantités communes |
La recommandation combine l'estimation RAM/VRAM, la disponibilité GGUF et, en dernier recours, la popularité. Ce n'est pas un jugement de qualité absolue : vérifiez toujours la Model Card.
Votre matériel
Huggor ne détecte pas votre matériel : vous déclarez votre mémoire, et l'application la confronte aux besoins estimés du modèle. Quatre notions restent distinctes.
RAM et VRAM que vous renseignez. Rien n'est détecté automatiquement. Les champs GPU et CPU sont facultatifs et ne servent qu'à votre repère. Le stockage n'est pas pris en compte.
Paramètres × octets par paramètre de chaque précision, plus 10 % de marge d'exécution. Le cache KV permet d'estimer le contexte réaliste quand l'architecture est standard.
Jusqu'à 85 % de la mémoire disponible : « tient confortablement ». Entre 85 % et 100 % : « à la limite ». Au-delà : « ne tient pas ».
La vitesse repose sur des repères génériques de bande passante (GPU dédié récent, RAM double canal), pas sur votre matériel exact. C'est un ordre de grandeur.
Pour qui ?
Savoir quelle précision tient dans votre RAM ou votre VRAM avant de lancer un téléchargement.
Parcourir le Hub par tâche, comparer des candidats et lire des fiches techniques claires.
Déclarez une VRAM nulle : le calcul bascule sur la RAM et indique la vitesse attendue.
Huggor ne pilote pas ces outils et n'exécute aucun modèle : il aide seulement à choisir un modèle adapté, en amont.
Découvrir les modèles disponibles, leurs licences et leur popularité sans connaître le jargon du Hub.
Ne plus télécharger des modèles trop gros pour votre matériel.
Deux façons d'utiliser Huggor
L'application web Python/Gradio s'ouvre directement dans votre navigateur, sans installation ni compte.
Dernière version publiée : 0.3.0 31 octobre 2026. Une seule commande, sans sudo, installe Huggor dans votre dossier personnel et vérifie l'intégrité du paquet.
venv, Internet au premier lancementTransparence
Le code source de Huggor est public sur GitHub, ainsi que l'historique des versions et la documentation.
python app.py après pip install -r requirements.txtunittest, isolés du réseauExplorez l'écosystème Hugging Face, comparez les modèles et évaluez leurs besoins matériels avec Huggor.