La recherche en IA te passionne ?
Les papers et avancées qui comptent, expliqués simplement, chaque soir. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisis ton rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Gradio introduit gr.Workflow, un système de pipelines décrits comme des graphes de nœuds typés, exécutables pas à pas avec résultats intermédiaires visibles. Chaque flux devient automatiquement une API REST et peut être déployé en une commande sur Hugging Face Spaces. Les nœuds couvrent fonctions Python, modèles via Inference Providers, autres Spaces et lignes de jeux de données. Des démos publiques et la prise en charge GPU à la volée complètent l'offre.
Appeler et déployer en direct : endpoints REST et Spaces
Chaque workflow construit devient aussi une API, sans travail supplémentaire, et chaque sortie expose un point de terminaison REST nommé d'après son étiquette. Ces endpoints s'appellent depuis Python avec le client Gradio, comme dans l'exemple vers « ysharma/gr-workflow-multi-endpoint-API » sans token, en ciblant des chemins tels que /word_count ou /fahrenheit. Lorsque l'endpoint invoque un modèle ou un Space, l'exécution se fait sous un token Hugging Face et il faut en fournir un à la création du client, comme pour « ysharma/gr-workflow-image-editor ». Un appel peut ainsi transmettre un fichier image et une instruction, par exemple handle_file("dog.jpg") avec "turn it into a snowy winter scene" vers /edited_image. Le même graphe se déploie en une seule commande sur Hugging Face Spaces, et la façon la plus rapide d'entrer est d'ouvrir une démo, de la dupliquer et de recâbler.
Ce que relient les nœuds : entrées, opérateurs et sorties
Un workflow est structuré en trois types de nœuds : des références pour les entrées, des opérateurs pour les traitements et des sujets pour les sorties. Un opérateur peut être une fonction Python, un modèle via les Hugging Face Inference Providers, un autre Space Gradio ou une ligne d'un jeu de données du Hub. Les liens se créent en faisant glisser entre des ports typés, puis l'utilisateur déclenche l'exécution à l'aide d'un bouton, chaque résultat s'affichant à l'endroit désigné. Les étapes prennent la forme d'un graphe constitué de nœuds typés sur une interface de glisser-déposer, chaque nœud pouvant être exécuté et chaque résultat intermédiaire étant affiché ; dans Gradio, le pipeline sert alors d'interface.
Exécuter son propre modèle sur GPU à la demande
Un nœud de type fn est du Python et peut exécuter un modèle sur GPU directement dans un Space. En décorant la fonction liée avec @spaces.GPU, l'exécution du nœud déclenche ZeroGPU qui alloue un GPU pour l'appel, exécute le modèle puis libère la ressource. Cette possibilité évite de dépendre systématiquement des Inference Providers ou de Spaces existants.
Quatre démos publiques illustrent les chaînes de traitement
Plusieurs démonstrations sont disponibles en tant que Hugging Face Spaces en direct, ouverts à l'exécution et à la duplication. Un éditeur d'images permet de téléverser une photo, d'indiquer une modification et de récupérer la version modifiée ; il repose sur un seul nœud appelant Qwen-Image-Edit via les Inference Providers. Un Studio multimédia IA réunit trois pipelines : génération d'image avec FLUX, transformation en autocollant via un Space de suppression d'arrière-plan, voix off à partir du même sujet avec un Space de synthèse vocale, et production d'un titre d'épisode via un LLM. Un Laboratoire d'art génératif transforme une idée en une image de base FLUX, deux réinterprétations (aquarelle douce et néon cyberpunk) et un titre de galerie écrit par un LLM. Enfin, un Détective de données prend un ID de dataset (par exemple stanfordnlp/imdb ou mteb/tweet_sentiment_extraction), le répartit en quatre nœuds opérateurs et analyse le jeu en direct via l'API Datasets Server.
Démarrer et aller plus loin : guide, modèle minimal et suite
Un exemple minimal en Python lie une fonction à gr.Workflow puis lance l'application. Un guide officiel présente les types d'opérateurs, le schéma JSON et des modèles réutilisables. Selon Gradio, il est possible de construire une application aussi complexe qu'AUTOMATIC1111 avec gr.Workflow. Un prochain article est annoncé pour détailler cette construction étape par étape et un aperçu en est montré.
