White Circle ouvre Halo, un entraîneur Hugging Face plus rapide

White Circle, une startup parisienne spécialisée dans la sécurité de l'IA, a ouvert Halo le 21 septembre 2026 — un framework d'entraînement distribué conçu pour accélérer le post-entraînement des modèles Hugging Face tout en les conservant dans le format standard attendu par le reste de l'écosystème. L'entreprise a développé Halo en interne avant de le publier ; l'historique du dépôt montre d'ailleurs une première version un mois plus tôt, le 20 août 2026.

Ce que cela change pour le post-entraînement

Halo enveloppe les définitions de modèles Hugging Face existantes plutôt que de les remplacer : les points de contrôle se chargent toujours via l'appel familier from_pretrained et restent des fichiers SafeTensors standard. White Circle indique que la prise en charge d'une nouvelle famille de modèles nécessite généralement bien moins de 150 lignes de code d'intégration. Sous le capot, le framework ajoute le parallélisme expert, de contexte, de tenseurs et combiné expert-tenseurs, ainsi que le fine-tuning LoRA/QLoRA et l'apprentissage par renforcement multi-tours asynchrone.

Le benchmark, et ce qu'il ne dit pas

White Circle rapporte que Halo offre 2,3 à 2,8 fois le débit du TRL Hugging Face standard lors de ses propres tests sur le modèle gpt-oss-20b d'OpenAI, en utilisant les mêmes optimisations d'attention et de noyaux dans les deux systèmes afin que la comparaison isole l'entraîneur et l'optimiseur. Il s'agit des benchmarks de l'entreprise elle-même, et non d'un résultat reproduit de manière indépendante, et des commentaires extérieurs ont noté que l'avantage se réduit sur les très longues longueurs de contexte. Les équipes qui évaluent Halo devraient considérer le multiplicateur annoncé comme un point de départ lié à un modèle et à une configuration matérielle donnés, et non comme une garantie pour une charge de travail différente.

Un détail de licence à lire avant d'adopter

Halo est distribué sous une licence Apache modifiée qui ajoute des conditions commerciales pour les grandes organisations ou les utilisateurs à revenus élevés, plutôt que sous Apache 2.0 simple. Les équipes qui prévoient une utilisation en production, en particulier à grande échelle, devraient lire directement le texte de la licence plutôt que de supposer des conditions open source sans restriction.

Pour les MSP et les équipes produit qui exploitent déjà des pipelines d'entraînement basés sur Hugging Face, Halo mérite un pilote sur une charge de travail représentative avant de prendre toute affirmation de débit pour argent comptant.

Sources : GitHub — whitecircle/halo, RuntimeWire — White Circle releases Halo.