Translated hf_api, login, mixins, repository, space_runtime and tenso…

…rboard in the package reference

docs/source/fr/package_reference/hf_api.md

@@ -4,25 +4,26 @@ rendered properly in your Markdown viewer.
 
 # HfApi Client
 
-Below is the documentation for the `HfApi` class, which serves as a Python wrapper for the Hugging Face Hub's API.
+Ci dessous la documentation pour la classe `HfApi`, qui sert de wrapper Python pour l'API Hugging Face Hub.
 
-All methods from the `HfApi` are also accessible from the package's root directly. Both approaches are detailed below.
+Toutes les méthodes de `HfApi` sont aussi accessibles depuis la racine du package directement. Les deux approches sont détaillées ci-dessous.
 
-Using the root method is more straightforward but the [`HfApi`] class gives you more flexibility.
-In particular, you can pass a token that will be reused in all HTTP calls. This is different
-than `huggingface-cli login` or [`login`] as the token is not persisted on the machine.
-It is also possible to provide a different endpoint or configure a custom user-agent.
+Utiliser la méthode du chemin racine est plus direct mais la classe [`HfApi`] donne plus de flexibilité.
+En particulier,  vous pouvez mettre un token qui va être réutilisé dans tous les appels HTTP. C'est
+différent de la commande `huggingface-cli login` ou [`login`] vu que le token n'est pas enregistré
+sur la machine. Il est aussi possible de fournir un endpoint différent ou de configurer un user-agent
+personnalisé.
 
 ```python
 from huggingface_hub import HfApi, list_models
 
-# Use root method
+# Utilisez la méthode du chemin racine
 models = list_models()
 
-# Or configure a HfApi client
+# Ou configurez le client HfApi
 hf_api = HfApi(
-    endpoint="https://huggingface.co", # Can be a Private Hub endpoint.
-    token="hf_xxx", # Token is not persisted on the machine.
+    endpoint="https://huggingface.co", # Vous pouvez mettre un endpoint de Hub privéC.
+    token="hf_xxx", # Le token n'est pas sauvegardé sur la machine.
 )
 models = hf_api.list_models()
 ```
@@ -97,7 +98,7 @@ models = hf_api.list_models()
 
 ## CommitOperation
 
-Below are the supported values for [`CommitOperation`]:
+Ci dessous les valeurs supportés pour [`CommitOperation`]:
 
 [[autodoc]] CommitOperationAdd
 
@@ -111,16 +112,18 @@ Below are the supported values for [`CommitOperation`]:
 
 ## Token helper
 
-`huggingface_hub` stores the authentication information locally so that it may be re-used in subsequent
-methods.
+`huggingface_hub` garde en mémoire l'information d'authentification en local pour qu'il puisse être réutilisé
+dans les méthodes suivantes.
 
-It does this using the [`HfFolder`] utility, which saves data at the root of the user.
+La librairie fait ceci en utilisant l'utilitaire [`HfFolder`], qui sauvegarde de la donnée
+à la racine de l'utilisateur.
 
 [[autodoc]] HfFolder
 
 ## Search helpers
 
-Some helpers to filter repositories on the Hub are available in the `huggingface_hub` package.
+Certains helpers pour filtrer les dépôts sur le Hub sont disponibles dans le package
+`huggingface_hub`.
 
 ### DatasetFilter
 

docs/source/fr/package_reference/inference_endpoints.md

@@ -1,6 +1,6 @@
 # Inference Endpoints
 
-Inferrence Endpoints est une solution permettant de déployer facilement les modèles en production sur une infrastructure gérée par Hugging Face et capable d'autoscaling . Un Inference Endpoint peut être crée sur un modèle depuis le [Hub](https://huggingface.co/models). Cette page est
+Inference Endpoints est une solution permettant de déployer facilement les modèles en production sur une infrastructure gérée par Hugging Face et capable d'autoscaling . Un Inference Endpoint peut être crée sur un modèle depuis le [Hub](https://huggingface.co/models). Cette page est
 une référence pour l'intégration d'`huggingface_hub` avec Inference Endpoints. Pour plus d'informations à propos du produit Inference Endpoints, consultez la [documentation officielle](https://huggingface.co/docs/inference-endpoints/index).
 
 <Tip>

docs/source/fr/package_reference/login.md

@@ -4,9 +4,8 @@ rendered properly in your Markdown viewer.
 
 # Login and logout
 
-The `huggingface_hub` library allows users to programmatically login and logout the
-machine to the Hub.
-
+La librairie `huggingface_hub` permet aux utilisateur de se connecter et déconnecter
+votre machine au Hub par le code.
 ## login
 
 [[autodoc]] login

docs/source/fr/package_reference/mixins.md

@@ -2,13 +2,13 @@
 rendered properly in your Markdown viewer.
 -->
 
-# Mixins & serialization methods
+# Mixins & méthodes de sérialisation
 
 ## Mixins
 
-The `huggingface_hub` library offers a range of mixins that can be used as a parent class for your objects, in order to
-provide simple uploading and downloading functions. Check out our [integration guide](../guides/integrations) to learn
-how to integrate any ML framework with the Hub.
+La librairie `huggingface_hub` offre une liste de mixins qui peuvent être utilisés en tant que classes parentes pour vos
+objets, afin d'avoir des fonctions upload et de téléchargements simples. Consultez notre [guide d'intégration](../guides/integrations)
+pour apprendre à intégrer n'importe quel framework ML avec le Hub.
 
 ### Generic
 

docs/source/fr/package_reference/repository.md

@@ -4,11 +4,11 @@ rendered properly in your Markdown viewer.
 
 # Managing local and online repositories
 
-The `Repository` class is a helper class that wraps `git` and `git-lfs` commands. It provides tooling adapted
-for managing repositories which can be very large.
+La classe `Repository` est un helper autour des commandes `git` et `git-lfs`. Elle offre des outils adaptés
+à la gestion de dépôts qui peuvent être très volumineux. 
 
-It is the recommended tool as soon as any `git` operation is involved, or when collaboration will be a point
-of focus with the repository itself.
+C'est l'outil recommandé dès que des opérations avec `git` sont faites, ou lorsque la collaboration sera un point
+clef du dépôt.
 
 ## The Repository class
 
@@ -33,15 +33,15 @@ of focus with the repository itself.
 
 [[autodoc]] huggingface_hub.repository.commits_to_push
 
-## Following asynchronous commands
+## Commandes asynchrones
 
-The `Repository` utility offers several methods which can be launched asynchronously:
+L'utilitaire `Repository` offre plusieurs méthodes qui peuvent tourner en asynchrone:
 - `git_push`
 - `git_pull`
 - `push_to_hub`
-- The `commit` context manager
+- Le manager de contexte `commit`
 
-See below for utilities to manage such asynchronous methods.
+Regardez ci-dessous les utilities pour gérer ce genre de méthodes asynchrones.
 
 [[autodoc]] Repository
     - commands_failed

docs/source/fr/package_reference/space_runtime.md

@@ -2,17 +2,18 @@
 rendered properly in your Markdown viewer.
 -->
 
-# Managing your Space runtime
+# Gérez votre temps d'exécution de votre espace
 
-Check the [`HfApi`] documentation page for the reference of methods to manage your Space on the Hub.
+Consultez la page de documentation d'[`HfApi`] pour les références des méthodes pour gérer votre espace
+sur le Hub.
 
-- Duplicate a Space: [`duplicate_space`]
-- Fetch current runtime: [`get_space_runtime`]
-- Manage secrets: [`add_space_secret`] and [`delete_space_secret`]
-- Manage hardware: [`request_space_hardware`]
-- Manage state: [`pause_space`], [`restart_space`], [`set_space_sleep_time`]
+- Dupliquer un espace: [`duplicate_space`]
+- Afficher les temps de calcul actuels: [`get_space_runtime`]
+- Gérer les secrets: [`add_space_secret`] et [`delete_space_secret`]
+- Gérer le hardware: [`request_space_hardware`]
+- Gérer l'état: [`pause_space`], [`restart_space`], [`set_space_sleep_time`]
 
-## Data structures
+## Structures de données
 
 ### SpaceRuntime
 

docs/source/fr/package_reference/tensorboard.md

@@ -2,17 +2,18 @@
 rendered properly in your Markdown viewer.
 -->
 
-# TensorBoard logger
+# Logger TensorBoard
 
-TensorBoard is a visualization toolkit for machine learning experimentation. TensorBoard allows tracking and visualizing
-metrics such as loss and accuracy, visualizing the model graph, viewing histograms, displaying images and much more.
-TensorBoard is well integrated with the Hugging Face Hub. The Hub automatically detects TensorBoard traces (such as
-`tfevents`) when pushed to the Hub which starts an instance to visualize them. To get more information about TensorBoard
-integration on the Hub, check out [this guide](https://huggingface.co/docs/hub/tensorboard).
+TensorBoard est un kit d'outils pour l'expérimentation avec les outils de machine learning. TensorBoard permet de traquer
+et de visualiser les métriques telles que la fonction de perte la précision, visualiser le graphe, visualisers des
+histogrammes, afficher des images et bien plus. TensorBoard est bien intégré avec le Hub Hugging Face. Le Hub détecte
+automatiquement les traces de Tensorboard (telles que `tfevents`) lors d'un push vers le Hub qui lance une instance
+pour les visualiser. Pour avoir plus d'informations sur l'intégration de TensorBoard avec le Hub, consultez [ce guide](https://huggingface.co/docs/hub/tensorboard).
 
-To benefit from this integration, `huggingface_hub` provides a custom logger to push logs to the Hub. It works as a
-drop-in replacement for [SummaryWriter](https://tensorboardx.readthedocs.io/en/latest/tensorboard.html) with no extra
-code needed. Traces are still saved locally and a background job push them to the Hub at regular interval.
+Pour bénéficier de cette intégration, `huggingface_hub` fournit un logger personnalisé pour push les logs vers le Hub.
+Il fonctionne comme un remplacement de [SummaryWriter](https://tensorboardx.readthedocs.io/en/latest/tensorboard.html)
+avec aucun code supplémentaire nécessaire. Les traces sont toujours enregistrées en local et sont push vers le Hub
+à des intervalles réguliers en arrière plan.
 
 ## HFSummaryWriter