NVIDIA et Hugging Face s'associent pour faciliter considérablement l'entraînement de grands modèles d'IA pour images et vidéos

Points clés

• NVIDIA et Hugging Face ont conjointement lancé NeMo Automodel, un outil d'entraînement gratuit et open-source, en juin 2025.
• L'outil prend en charge l'affinage de modèles incluant FLUX.1-dev (12 milliards de paramètres) et HunyuanVideo (13 milliards de paramètres), deux des générateurs d'images et de vidéos open-source les plus performants disponibles.
• Les développeurs peuvent commencer l'entraînement directement à partir de modèles hébergés sur le Hugging Face Hub, le plus grand référentiel public de modèles d'IA du monde, sans convertir d'abord les fichiers dans un format spécial.
• Le logiciel est gratuit d'utilisation sous la licence Apache 2.0, ce qui signifie que n'importe qui peut l'utiliser, le modifier et le développer commercialement.

Apprendre à une IA à générer des images dans un style spécifique, ou à produire des vidéos correspondant à l'identité visuelle d'une entreprise, est un travail coûteux et techniquement exigeant. Jusqu'à présent, le faire à grande échelle signifiait généralement réécrire le logiciel à partir de zéro à chaque fois qu'un nouveau modèle arrivait.

NVIDIA et Hugging Face veulent changer cela.

Les deux entreprises ont publié NeMo Automodel, une bibliothèque open-source, c'est-à-dire un logiciel gratuit dont le code peut être inspecté et modifié par n'importe qui, qui connecte l'infrastructure d'entraînement à l'échelle industrielle de NVIDIA à la bibliothèque Hugging Face Diffusers. Diffusers est le kit d'outils le plus largement utilisé pour exécuter des modèles de diffusion, la classe d'IA qui génère des images et des vidéos en affinant progressivement du bruit aléatoire en une image finie.

En termes simples : un développeur qui souhaite apprendre à FLUX.1-dev, l'un des meilleurs générateurs de texte-vers-image publiquement disponibles, à dessiner dans le style des cartes de tarot vintage peut désormais le faire sans toucher à du code spécialisé. Il pointe l'outil vers son ensemble de données, choisit un fichier de configuration, et l'exécute.

Qu'est-ce que cela change réellement pour ceux qui construisent des outils d'IA ?

Avant cette version, déplacer un modèle de la bibliothèque Hugging Face dans un système d'entraînement nécessitait souvent de convertir les poids sauvegardés du modèle, les valeurs numériques que l'IA a apprises, dans un format de fichier différent, puis l'entraîner, puis reconvertir. NeMo Automodel saute complètement cette étape. Un modèle affiné, qui a été entraîné davantage sur de nouveaux exemples pour spécialiser ses compétences, se charge directement dans les outils standard dès que l'entraînement se termine.

L'outil gère également l'échelle automatiquement. Une petite équipe disposant d'une seule machine puissante et un grand groupe de recherche disposant de centaines de GPU, les puces spécialisées qui effectuent les calculs intensifs dont l'IA a besoin, peuvent tous deux utiliser les mêmes fichiers de configuration. Passer entre différentes façons de diviser un modèle sur plusieurs puces est un changement de paramètres, pas un projet de codage.

Pour les développeurs disposant de matériel limité, l'outil prend en charge LoRA, une technique qui affine uniquement une petite fraction des valeurs d'un modèle plutôt que toutes, réduisant considérablement l'utilisation de la mémoire tout en maintenant une qualité élevée.

Le billet de blog, d'abord publié par Hugging Face, présente un exemple travaillé : l'affinage de FLUX.1-dev sur 78 images de cartes de tarot du domaine public. L'ensemble de l'exécution d'entraînement prend 200 étapes et produit un modèle qui génère des images de style tarot à la demande.

Les modèles pris en charge au lancement incluent FLUX.1-dev pour les images et Wan 2.1 ainsi que HunyuanVideo pour la génération vidéo.

Pour la plupart des utilisateurs ordinaires, cela ne change rien directement aujourd'hui. Les personnes affectées sont les développeurs et chercheurs qui construisent les outils d'images, les applications créatives et les logiciels métier que les utilisateurs ordinaires finissent par utiliser. De meilleures pipelines d'entraînement, moins coûteuses, tendent à signifier que des fonctionnalités d'IA plus spécialisées arrivent plus rapidement et à moindre coût.

Le logiciel est disponible maintenant sur GitHub et est documenté dans le guide d'entraînement officiel de Diffusers.