Découvrez le Hugging Face Kernel Hub en 5 minutes

Depuis Hugging Face vers Amazon SageMaker Studio en un clic

Amazon a annoncé une intégration directe entre Hugging Face et Amazon SageMaker AI, permettant aux développeurs de passer de la découverte d'un modèle à son expérimentation dans SageMaker Studio en un seul clic. Concrètement, sur les pages de modèles compatibles sur Hugging Face, deux nouveaux boutons apparaissent : "Customize on SageMaker AI", qui ouvre directement la page de personnalisation dans Studio avec le modèle préchargé pour du fine-tuning, et "Deploy on SageMaker AI", qui ouvre la page de déploiement avec le modèle préconfiguré pour un endpoint d'inférence. Un nouveau rôle géré, nommé AmazonSageMakerModelCustomizationCoreAccess, est créé et attaché automatiquement, couvrant les permissions nécessaires aux tâches de fine-tuning supervisé (SFT), d'optimisation directe des préférences (DPO), et d'apprentissage par renforcement avec récompenses vérifiables (RLVR) ou retours d'IA (RLAIF), avec déploiement possible vers SageMaker AI ou Amazon Bedrock. L'interface affiche aussi désormais la disponibilité des quotas GPU (instances G5 et G6) directement dans la liste de sélection, sans navigation supplémentaire. Cette intégration supprime une friction bien connue des développeurs : auparavant, passer de la découverte d'un modèle sur Hugging Face à son utilisation effective sur SageMaker nécessitait d'ouvrir la console AWS, de créer un domaine, de configurer manuellement les permissions IAM, et parfois de demander un quota GPU spécifique, autant d'étapes qui ralentissaient le passage de l'idée à l'expérimentation concrète. Désormais, un nouveau domaine Studio est provisionné automatiquement en quelques secondes avec les permissions déjà configurées, et le contexte du modèle sélectionné est conservé tout au long du parcours. Pour les environnements Studio existants, des messages d'action avec liens vers la documentation guident les utilisateurs pour ajouter les permissions nécessaires. Ce gain de temps profite en particulier aux équipes qui itèrent rapidement sur des modèles open source et souhaitent les déployer dans un environnement cloud sous leur contrôle, sans dépendre d'une configuration manuelle lourde. Cette annonce s'inscrit dans une tendance plus large de rapprochement entre les plateformes de modèles ouverts et les fournisseurs cloud, qui cherchent à réduire les barrières techniques entre l'écosystème open source et l'infrastructure d'entreprise. Mark McQuade, fondateur et PDG d'Arcee AI, entreprise spécialisée dans les modèles ouverts, a salué cette intégration comme la dernière étape manquante pour permettre aux entreprises de posséder réellement les poids de leurs modèles tout en les exécutant dans un environnement cloud maîtrisé. Cette combinaison de poids ouverts et d'infrastructure contrôlée répond à une demande croissante des entreprises soucieuses de souveraineté sur leurs déploiements d'intelligence artificielle. À mesure que de plus en plus de modèles Hugging Face deviendront compatibles avec ce flux, cette intégration pourrait redessiner la manière dont les équipes techniques choisissent et déploient leurs modèles, en abaissant significativement la barrière entre expérimentation et mise en production.

💬 Un bouton en moins entre l'idée et le prototype, ça compte plus qu'on croit. Amazon rend l'open source consommable en mode SaaS, ce qui est un peu paradoxal mais très malin : le vrai verrou du cloud, ce n'est plus le modèle, c'est la friction de configuration. Reste que "posséder ses poids" tout en dépendant d'IAM et de quotas AWS, ça reste une souveraineté à moitié, mais bon, c'est déjà mieux qu'avant.

Hugging Face lance ml-intern, un agent IA open source qui automatise l'après-entraînement des LLM

Hugging Face a publié ml-intern, un agent d'intelligence artificielle open-source conçu pour automatiser de bout en bout le post-entraînement des grands modèles de langage (LLM). Construit sur le framework smolagents de la société, l'outil est capable de réaliser de manière autonome des revues de littérature scientifique sur arXiv, de découvrir des jeux de données sur le Hub Hugging Face, d'exécuter des scripts d'entraînement et d'évaluer itérativement les résultats, le tout sans intervention humaine. Lors d'une démonstration officielle, l'agent a pris le modèle de base Qwen3-1.7B, qui obtenait initialement environ 10 % sur le benchmark GPQA de raisonnement scientifique, et l'a porté à 32 % en moins de 10 heures sur un seul GPU H100, franchissant la barre des 27,5 % en seulement trois heures. Ce résultat dépasse celui de Claude Code d'Anthropic, actuellement à 22,99 % sur cette même tâche, et se rapproche du record actuel de 33 % obtenu avec le modèle Gemma-3-4B, deux fois plus grand. L'impact de ml-intern est direct pour les équipes de recherche en machine learning : il automatise un cycle de travail qui mobilise habituellement plusieurs ingénieurs pendant plusieurs jours. L'agent gère la génération de données synthétiques lorsque les jeux de données existants sont insuffisants, comme dans un test médical où il a produit des exemples d'entraînement ciblant des cas limites en langage médical et en réponse d'urgence multilingue. Il implémente également des techniques avancées comme le Group Relative Policy Optimization (GRPO), une variante du RLHF moins gourmande en mémoire que le PPO standard, en surveillant les courbes de récompense et en lançant des ablations pour identifier les composants efficaces. L'ensemble du suivi expérimental repose sur Trackio, un outil natif au Hub présenté comme alternative open-source à Weights & Biases. Cette publication s'inscrit dans une tendance de fond : l'automatisation du travail des chercheurs en IA par des agents eux-mêmes entraînés à raisonner sur des pipelines ML. Le benchmark PostTrainBench, développé par l'université de Tübingen et le Max Planck Institute, a servi de cadre d'évaluation standardisé, contraignant les agents à post-entraîner un modèle de base en moins de 10 heures. En positionnant ml-intern comme supérieur à Claude Code sur cette tâche précise, Hugging Face signale une ambition claire : faire de son écosystème, du Hub aux outils d'entraînement, une plateforme autonome et intégrée capable de rivaliser avec les solutions propriétaires d'Anthropic ou de Google. La disponibilité en open-source de l'agent ouvre la voie à des adaptations communautaires rapides, et le benchmark PostTrainBench devrait s'imposer comme référence pour évaluer les prochaines générations de ces outils.

Le benchmark de Datalab Marker v2 face à MinerU, Docling et Liteparse

Datalab a publié Marker 2, une réécriture complète de son pipeline open source de conversion de documents. L'outil transforme des fichiers PDF, image, PPTX, DOCX, XLSX, HTML et EPUB en Markdown, JSON, HTML ou en chunks structurés. Cette nouvelle version s'appuie sur trois composants développés ces derniers mois par l'équipe Datalab: Surya OCR 2, un modèle léger de détection de mise en page de 20 millions de paramètres, et une version reconstruite de pdftext, trois fois plus rapide que la précédente. Le résultat principal provient du benchmark olmOCR-bench, développé par Allen AI (Ai2): le mode "balanced" de Marker 2 obtient un score global de 76,0% et de 83,5% sur les PDF nativement numériques, avec un débit soutenu de 2,9 pages par seconde sur un seul GPU B200. À titre de comparaison, MinerU, avec son moteur "pipeline", plafonne à 72,7% pour 0,54 page par seconde, tandis que Docling atteint 50,3% à 2,1 pages par seconde sur le même test. Marker 2 propose désormais trois modes de conversion distincts. Le mode balanced confie la mise en page au VLM Surya et relance l'OCR sur la page entière dès que le texte intégré est de mauvaise qualité: c'est le mode le plus précis, calibré pour tourner sur GPU. Le mode fast utilise un détecteur de mise en page léger (rf-detr/onnx) combiné à pdftext, avec un recours minimal et ciblé au VLM, pour 66,6% de score mais un coût bien plus faible. Le mode --disableocr se contente d'extraire le texte natif sans aucun appel au VLM et tourne entièrement sur CPU, avec 43,6% de score mais un débit de 23,7 pages par seconde. Le choix du mode est désormais automatique selon le matériel disponible. Sur le plan architectural, de nombreux processus CPU légers partagent désormais un seul serveur d'inférence Surya, ce qui permet au débit de suivre la capacité du serveur plutôt que la mémoire vidéo de chaque processus: Datalab indique que le mode balanced atteint ainsi environ 2,9 pages par seconde en charge concurrente, contre 0,3 page par seconde en traitement isolé sur le même matériel. Cette architecture rend Marker 2 pertinent aussi bien pour les équipes disposant de GPU que pour celles limitées au CPU. Le benchmark olmOCR-bench repose sur 1403 PDF et environ 8400 tests de réussite ou d'échec, répartis sur huit catégories couvrant le rendu des formules mathématiques, la structure des tableaux, l'ordre de lecture, les en-têtes et pieds de page, ou encore les anciens documents scannés. Toutes les mesures proviennent des propres tests de Datalab, reproductibles via le dépôt Marker qui inclut aussi des scripts pour MinerU, Docling et LiteParse. Face à MinerU, son concurrent le plus proche architecturalement, Marker 2 balanced devance de peu sur les PDF nativement numériques (83,5% contre 83,3%) mais creuse un écart net en débit, 5,4 fois supérieur pour un score plus élevé. Cette mise à jour s'accompagne de changements techniques à anticiper avant migration: Python 3.10 minimum, passage de Poetry à uv avec hatchling comme backend de build, et suppression du convertisseur d'extraction structurée, remplacé par l'API hébergée ou l'option --usellm.

💬 Marker 2 pulvérise MinerU sur le débit (5,4x plus rapide pour un score équivalent), et ça c'est le vrai signal : la course à l'OCR se joue plus sur les points de benchmark que sur le coût réel de traitement à grande échelle. Sur le papier, l'archi partagée (un seul serveur Surya pour plein de process CPU) c'est malin, ça évite de gâcher de la VRAM. Reste à voir si ça tient aussi bien en prod sur des PDF scannés pourris, parce que les benchmarks aiment bien les cas propres.

Un nouveau modèle vocal open source écoute en continu et décide toutes les 0,4 secondes de parler ou de se taire

Un nouveau modèle vocal open source baptisé Audio Interaction vient d'être publié avec ses poids, son code source et ses instructions de déploiement sur GitHub, sous licence Apache 2.0. Sa particularité technique est de prendre une décision toutes les 0,4 secondes : parler ou se taire. Contrairement à la plupart des assistants vocaux actuels, il n'attend pas la fin d'un enregistrement pour répondre, mais écoute en continu un flux audio pour transcrire, traduire, converser et détecter des sons du quotidien comme une toux. Les données d'entraînement seront publiées séparément dans un second temps. Cette approche représente un changement de paradigme pour les interfaces vocales. Les modèles comme GPT-4o ou Qwen3.5-Omni fonctionnent encore en mode tour par tour : ils attendent que l'utilisateur finisse de parler avant de traiter la demande. Audio Interaction brise cette contrainte en analysant le flux sonore en temps réel, ce qui ouvre la voie à des interactions bien plus naturelles, notamment pour les assistants embarqués, les outils d'accessibilité ou les applications de traduction simultanée. La licence Apache 2.0 le rend immédiatement utilisable par des développeurs et des entreprises sans restriction commerciale. Le modèle s'inscrit dans une course intense autour de l'audio nativement multimodal, accélérée par la présentation de GPT-4o en mai 2024. L'ouverture complète de la chaîne, des poids aux données, reste encore rare dans ce domaine dominé par des solutions propriétaires, et pourrait stimuler une vague de recherche indépendante sur les modèles vocaux en temps réel. La publication imminente des données d'entraînement permettra à la communauté de reproduire et d'affiner les résultats de manière transparente.

💬 0,4 secondes pour décider de parler ou se taire, c'est le détail qui change tout. Le mode tour par tour des assistants actuels casse l'illusion à chaque échange, et là on a enfin une alternative ouverte avec les poids, le code, et une Apache 2.0 qui ne bloque personne. Les données d'entraînement arrivent "dans un second temps", bon, j'attends de voir si c'est complet.