# Aperçu des tâches

Hugging Face Jobs exécute votre code sur des CPU et GPU distants. Utilisez-le pour [entraîner ou affiner des modèles](./jobs-training), effectuer de l’inférence sur des jeux de données ou [traiter des données](./jobs-large-datasets).

Un Job exécute une commande dans un environnement sur le matériel de votre choix. Vous pouvez suivre son statut et ses journaux depuis le terminal ou sur le Hub.

[Commencez par le guide de démarrage rapide](./jobs-quickstart) pour exécuter vos premiers Jobs sur CPU et GPU, ou [parcourez les exemples](./jobs-examples) pour trouver une charge de travail à adapter.

UV & CLI de type Docker uv,run,ps,logs,stats,inspect CPU et GPU Choisissez le matériel pour votre charge de travail Exécutez votre code Scripts Python & images Docker Facturation à l'usage Payez pour le calcul que vous utilisez

## Exécuter des tâches depuis n'importe où

Plusieurs outils sont disponibles pour exécuter des tâches :

* l'interface en ligne de commande `hf` (voir les [étapes d'installation de l'interface en ligne de commande](https://huggingface.co/docs/huggingface_hub/main/en/guides/cli) et la [documentation de l'interface en ligne de commande Jobs](https://huggingface.co/docs/huggingface_hub/guides/cli#hf-jobs) pour plus d'informations)
* le client Python `huggingface_hub` (voir la [documentation des Jobs de `huggingface_hub`](https://huggingface.co/docs/huggingface_hub/guides/jobs) pour plus d'informations)
* l'API HTTP des Jobs (voir le [Jobs OpenAPI](https://huggingface-openapi.hf.space/#tag/jobs) pour plus d'informations)

## Exécuter n'importe quelle charge de travail

### Scripts Python

Utilisez `hf jobs uv run` pour exécuter un script Python à distance. Spécifiez ses dépendances à l’aide de `--with` ou dans un [en-tête de script](https://docs.astral.sh/uv/guides/scripts/#declaring-script-dependencies). Jobs utilise uv pour installer ces dépendances avant d’exécuter votre code.

```diff
- uv run <script.py>
+ hf jobs uv run <script.py>
```

### Images Docker

Utilisez `hf jobs run` avec une image Docker et la commande à exécuter. L’image fournit les outils et les bibliothèques dont votre charge de travail a besoin, que vous utilisiez Python ou un autre langage. Choisissez une [image existante](./jobs-images), utilisez-en une construite à partir d’un [Docker Space](./spaces-sdks-docker), ou construisez la vôtre.

```diff
- docker run <image> <command>
+ hf jobs run <image> <command>
```

De nombreux Jobs peuvent s'exécuter en parallèle, pour des tâches telles que l'ajustement des paramètres, l'inférence et le traitement des données.

## Automatiser les tâches

Déclenchez automatiquement des Jobs à l'aide d'un planning ou de webhooks.

Avec un planning, vous pouvez exécuter des Jobs toutes les X minutes, heures, jours, semaines ou mois. La planification des Jobs utilise la syntaxe `cron` comme `"*/5 * * * *"` pour « toutes les 5 minutes », ou des alias comme `"@hourly"`, `"@daily"`, `"weekly"` ou `"@monthly"`.

Grâce aux webhooks, les Jobs peuvent s’exécuter à chaque mise à jour d’un dépôt Hugging Face. Par exemple, vous pouvez configurer des webhooks pour qu’ils soient déclenchés à chaque mise à jour de modèle sous un compte donné, et récupérer le modèle mis à jour depuis la charge utile du webhook dans le Job.