Hugging Face Inference Providers : crédits gratuits ? (2026)

En bref : un compte Hugging Face gratuit ne donne plus droit à des crédits Inference Providers gratuits. Pour appeler des modèles hébergés via Hugging Face, il faut soit acheter des crédits (paiement à l'usage au prix du fournisseur, sans marge), soit s'abonner à PRO pour 9 $/mois, qui inclut 2,00 $ de crédits de calcul chaque mois. Les organisations Team et Enterprise reçoivent 2,00 $ par siège, mutualisés.

Qu'est-ce qu'Inference Providers

Inference Providers est la couche d'inférence serverless de Hugging Face. Au lieu de déployer vous-même un modèle, vous appelez un modèle du Hub et Hugging Face achemine la requête vers l'un de ses fournisseurs partenaires — actuellement Cerebras, Groq, Together, Fireworks, Novita, Nscale, Replicate, fal, Featherless AI, DeepInfra, Baseten, Cohere, Scaleway, OVHcloud, Public AI, WaveSpeedAI, Z.ai et le propre HF Inference de Hugging Face. Un seul jeton Hugging Face fonctionne pour tous, et la facturation arrive sur votre compte Hugging Face.

Il a remplacé l'ancienne « Inference API (serverless) », devenue le fournisseur hf-inference. Depuis juillet 2025, Hugging Face indique que hf-inference se concentre surtout sur des tâches CPU comme les embeddings, le classement de texte, la classification de texte et de petits modèles historiques comme BERT et GPT-2 ; la plupart des grands LLM et modèles d'image sont servis par les fournisseurs partenaires.

Qui reçoit des crédits, et combien

Les crédits inclus sont des crédits de calcul polyvalents. En plus d'Inference Providers, ils peuvent financer Inference Endpoints, le matériel CPU et GPU amélioré pour les Spaces (y compris l'usage de ZeroGPU au-delà de votre quota) et Jobs. Ils sont ajoutés chaque mois et appliqués automatiquement avant toute facturation à l'usage. Hugging Face n'indique pas que les crédits inutilisés sont reportés : considérez qu'ils sont perdus s'ils ne sont pas utilisés dans le mois.

PRO inclut aussi 8 fois le quota ZeroGPU gratuit, avec la priorité la plus élevée dans la file d'attente. Si vous faites surtout tourner des démos dans des Spaces plutôt que des appels API, ce quota peut valoir davantage pour vous que le crédit de 2 $.

Fonctionnement de la facturation : routage ou clé personnelle

Les requêtes routées sont facturées au même tarif que celui du fournisseur, sans frais Hugging Face en plus. Pour hf-inference, vous payez le temps de calcul multiplié par le prix du matériel. Exemple donné par Hugging Face : une requête FLUX.1-dev qui prend 10 secondes sur un GPU à 0,00012 $ la seconde est facturée 10 × 0,00012 $ = 0,0012 $. À ce tarif, les 2 $ d'un utilisateur PRO couvriraient environ 2 $ ÷ 0,0012 $ ≈ 1 660 images de ce type par mois, si rien d'autre ne puisait dans les crédits.

Étape par étape : la mise en place

1. Créez un compte ou connectez-vous sur huggingface.co.
2. Choisissez votre mode de paiement : abonnez-vous à PRO sur huggingface.co/subscribe/pro pour le crédit mensuel de 2 $, ou ajoutez des crédits depuis vos paramètres de facturation pour un pur paiement à l'usage. Les comptes gratuits doivent faire l'un ou l'autre avant que les requêtes routées fonctionnent.
3. Créez un jeton d'accès fine-grained dans Settings → Access Tokens et activez Make calls to Inference Providers.
4. Facultatif : dans les paramètres Inference Providers, définissez votre ordre de préférence des fournisseurs ou ajoutez des clés de fournisseur personnelles.
5. Testez les modèles de façon interactive dans l'Inference Playground (huggingface.co/playground), puis appelez-les depuis votre code.
6. Suivez vos dépenses sur votre page de facturation et dans le détail d'utilisation par modèle et par fournisseur des paramètres Inference Providers.

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://router.huggingface.co/v1",
    api_key=os.environ["HF_TOKEN"],
)
completion = client.chat.completions.create(
    model="openai/gpt-oss-120b:cheapest",  # or :fastest, :preferred, or :groq etc.
    messages=[{"role": "user", "content": "How many 'G's in 'huggingface'?"}],
)
print(completion.choices[0].message.content)

Choisir un fournisseur pour économiser des crédits

• :fastest (par défaut) choisit le fournisseur au débit le plus élevé en tokens par seconde.
• :cheapest choisit le fournisseur au prix le plus bas par token de sortie — le choix évident quand vous dépensez un budget fixe de 2 $.
• :preferred suit l'ordre défini dans vos paramètres Inference Providers.
• Ajoutez un nom de fournisseur (par exemple openai/gpt-oss-120b:groq) pour imposer un hébergeur précis.
• GET https://router.huggingface.co/v1/models renvoie les modèles disponibles avec, lorsque c'est disponible, les prix par fournisseur, la longueur de contexte, la latence et le débit : vous pouvez ainsi comparer avant d'appeler.

Le routeur compatible OpenAI ne couvre que les chat completions. Pour le texte vers image, les embeddings, la reconnaissance vocale et les autres tâches, utilisez le client Python huggingface_hub ou le client JavaScript @huggingface/inference, qui gèrent pour vous les formats de requête propres à chaque fournisseur.

Team et Enterprise : facturer l'organisation

Chaque membre utilise son propre jeton, mais les requêtes ne puisent dans les crédits mutualisés de l'organisation que si vous nommez celle-ci. Dans les clients Hugging Face, passez bill_to="my-org-name" (Python) ou billTo (JavaScript) ; avec le SDK OpenAI ou en HTTP brut, envoyez l'en-tête X-HF-Bill-To: my-org-name. Les organisations Enterprise utilisant les Resource Groups peuvent passer à la place un ID de resource group pour attribuer les coûts. Les administrateurs peuvent fixer une limite de dépenses et désactiver certains fournisseurs dans les paramètres de l'organisation, et les forfaits Enterprise peuvent récupérer via une API une série temporelle quotidienne de l'utilisation par membre, modèle et fournisseur.

Oublier le paramètre bill-to est la cause la plus fréquente pour laquelle des membres Team dépensent leurs crédits personnels (ou reçoivent des erreurs de paiement sur un compte gratuit) au lieu de la réserve de l'organisation.

PRO vaut-il le coup uniquement pour l'inférence ?

Pour de simples appels API, généralement pas : PRO coûte 9 $ par mois et inclut 2 $ de crédits, vous payez donc 7 $ pour les autres avantages PRO (quota ZeroGPU, priorité, etc.). Si vous n'avez besoin que d'un accès API occasionnel, acheter des crédits directement ou utiliser l'offre gratuite d'un fournisseur revient moins cher. PRO a du sens si vous utilisez aussi des Spaces avec ZeroGPU, si vous voulez une facture unique pour de nombreux fournisseurs ou si vous avez besoin des fonctionnalités du Hub qui l'accompagnent.

Ce qui reste gratuit sur Hugging Face

La fin du crédit d'inférence gratuit ne rend pas Hugging Face payant pour autant. Un compte gratuit peut toujours parcourir et télécharger les poids de modèles ouverts depuis le Hub, les faire tourner sur sa propre machine ou son serveur avec des bibliothèques comme transformers, et héberger des Spaces sur le matériel gratuit, y compris ZeroGPU dans la limite du quota gratuit (PRO multiplie ce quota par huit). Ce qui est désormais payant, c'est l'inférence hébergée et serverless via Inference Providers, car chaque requête routée est exécutée et facturée par un fournisseur payant.

Donc, si votre objectif est d'expérimenter avec un modèle ouvert et que vous disposez d'un GPU performant ou qu'un petit modèle sur CPU vous suffit, télécharger les poids est la voie gratuite. Si vous avez besoin d'un endpoint HTTP sans gérer de matériel, vous paierez un peu via Hugging Face ou utiliserez l'une des offres gratuites ci-dessous.

Alternatives gratuites si vous voulez seulement un accès API

Plusieurs partenaires d'Inference Providers proposent aussi leurs propres offres gratuites ou crédits en direct ; passer par eux est souvent la solution la moins chère quand vous n'avez besoin que d'un seul fournisseur. Consultez notre guide des clés API IA gratuites pour une liste plus complète.

Historique de l'inférence gratuite sur Hugging Face

• Avant 2025 : Hugging Face exploitait sa propre Inference API serverless, devenue le fournisseur hf-inference.
• 28 janvier 2025 : Hugging Face a lancé Inference Providers avec fal, Replicate, SambaNova et Together AI comme premiers partenaires. Au lancement, les utilisateurs gratuits connectés bénéficiaient d'une inférence gratuite avec un petit quota, les utilisateurs PRO recevaient 2 $ de crédits mensuels, les requêtes routées étaient facturées au tarif des fournisseurs sans marge, et les requêtes avec clé personnelle étaient facturées par le fournisseur.
• Juillet 2025 : hf-inference s'est recentré principalement sur l'inférence CPU pour les embeddings, la classification et les petits modèles.
• Depuis : la liste des partenaires est passée à environ 18 fournisseurs. L'offre gratuite a été réduite : les anciennes versions du tableau tarifaire affichaient un petit montant mensuel pour les utilisateurs gratuits (environ 0,10 $), alors que le tableau actuel indique None et précise que les utilisateurs gratuits doivent acheter des crédits. Hugging Face n'a pas publié d'annonce datée de ce changement.

Erreurs fréquentes

• S'attendre à ce qu'un compte gratuit fonctionne d'emblée. Les requêtes routées nécessitent désormais des crédits achetés ou PRO.
• Utiliser un jeton read classique. Créez un jeton fine-grained avec la permission Make calls to Inference Providers.
• Ajouter une clé de fournisseur personnelle en pensant que les crédits s'appliquent. Les requêtes faites avec votre propre clé sont facturées par le fournisseur, pas sur vos crédits mensuels.
• Utiliser le routeur compatible OpenAI pour les images ou les embeddings. Il ne gère que les chat completions ; utilisez les clients Hugging Face pour les autres tâches.
• Croire que le fournisseur par défaut est le moins cher. Le défaut est :fastest ; ajoutez :cheapest quand le coût compte.