> For the complete documentation index, see [llms.txt](https://unsloth.ai/docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://unsloth.ai/docs/fr/docs.md).

# Documentation Unsloth

Unsloth est un framework open source pour exécuter et entraîner des LLM.

Unsloth vous permet d’exécuter et d’entraîner des modèles d’IA sur votre propre matériel local grâce à une interface utilisateur open source.

Notre documentation vous guidera pour exécuter et entraîner votre propre LLM en local.

<a href="https://unsloth.ai/download" class="button primary" data-icon="down-to-bracket">Télécharger</a><a href="https://unsloth.ai/docs/fr/desktop.md#features" class="button secondary" data-icon="sparkles">Fonctionnalités</a><a href="https://github.com/unslothai/unsloth" class="button secondary" data-icon="github">GitHub</a>

<table data-view="cards"><thead><tr><th></th><th></th><th data-hidden data-card-cover data-type="image">Image de couverture</th><th data-hidden data-card-target data-type="content-ref"></th></tr></thead><tbody><tr><td><strong>Inkling 2 Mini</strong></td><td>Exécutez le modèle MoE 26B le plus performant !</td><td><a href="https://550366147-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FZffJ9lXYY27Dr2uf1ZbB%2Finkling%202%20mini%20logo.png?alt=media&amp;token=5dfa4bd7-f87f-40fb-bce2-894fe6f197b7">inkling 2 mini logo.png</a></td><td><a href="https://unsloth.ai/docs/fr/modeles/inkling-2-mini.md">Inkling 2 Mini</a></td></tr><tr><td><strong>DeepSeek-V4.1-Flash</strong></td><td>Exécutez la nouvelle mise à jour du modèle du 17 octobre !</td><td><a href="https://550366147-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2F4qwswsAZxmUaTEksSNJJ%2Fdeepseekv4.1.png?alt=media&amp;token=203263d6-e100-4c3f-9dd4-898391874d74">deepseekv4.1.png</a></td><td><a href="https://unsloth.ai/docs/fr/modeles/deepseek-v4.1-flash.md">DeepSeek-V4.1-Flash</a></td></tr><tr><td><strong>Qwen3.8-27B</strong></td><td>Exécutez et entraînez Qwen3.8-27B dans Unsloth.</td><td><a href="https://550366147-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FSQJGLfV6lTdcvKUuBsjC%2Fqwen3.8%20logo.png?alt=media&amp;token=7942746b-409d-4064-8e66-221fceb920dd">qwen3.8 logo.png</a></td><td><a href="https://unsloth.ai/docs/fr/modeles/qwen3.8.md">Qwen3.8-27B</a></td></tr><tr><td><strong>Qwen3.8-Flash-Next</strong></td><td>Exécutez Qwen Flash avec notre nouvelle mise à jour du 4 novembre !</td><td><a href="https://550366147-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2F02STQ7sMPvXPUVmCanee%2Fqwen%20next%20logo.png?alt=media&amp;token=b451d135-18c0-47e0-8584-ef64c30bc11f">qwen next logo.png</a></td><td><a href="https://unsloth.ai/docs/fr/modeles/qwen3.8-next.md">Qwen3.8-Flash-Next</a></td></tr><tr><td><strong>Dynamic V3.1</strong></td><td>Nos nouveaux quants Dynamic V3.1 sont là !</td><td><a href="https://550366147-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2F7dk3MsSTYfl4Alk4obie%2Fdynamic%20v3.1.png?alt=media&amp;token=797afa8e-efbe-4368-802d-44616ef61e1e">dynamic v3.1.png</a></td><td><a href="https://unsloth.ai/docs/fr/notions-de-base/dynamic-3.0-ggufs.md">Dynamic 3.0 GGUFs</a></td></tr><tr><td><strong>Utilisation du navigateur</strong></td><td>Les LLM locaux peuvent désormais contrôler votre navigateur !</td><td><a href="https://550366147-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FHg3Knjk1GznF8V6R39wk%2Ffour_grid_2x2.gif?alt=media&amp;token=008f7dab-7e91-43cb-a7bd-a8e3bfec29d5">four_grid_2x2.gif</a></td><td><a href="https://unsloth.ai/docs/fr/notions-de-base/browser-use.md">Browser Use</a></td></tr></tbody></table>

### ⚡ Démarrage rapide

Unsloth est compatible avec macOS, Linux, [Windows](https://unsloth.ai/docs/fr/commencer/install/windows-installation.md), [NVIDIA](https://unsloth.ai/docs/fr/commencer/install/pip-install.md), [AMD](https://unsloth.ai/docs/fr/commencer/install/amd.md), Intel et les configurations avec processeur. Voir : [Prérequis Unsloth](https://unsloth.ai/docs/fr/commencer/fine-tuning-for-beginners/unsloth-requirements.md). Téléchargez l’application de bureau native pour votre système d’exploitation :

<a href="https://unsloth.ai/download" class="button primary" data-icon="down-to-bracket">Télécharger Unsloth Desktop</a>

* <i class="fa-apple">:apple:</i> [Télécharger pour macOS](https://unsloth.ai/download/mac)
* <i class="fa-windows">:windows:</i> [Télécharger pour Windows](https://unsloth.ai/download/windows)
* <i class="fa-linux">:linux:</i> [Télécharger pour Linux](https://unsloth.ai/download/linux)

Ou installez Unsloth Studio en mode natif, notre interface web accessible depuis un navigateur :

{% tabs %}
{% tab title="macOS, Linux, WSL" %}
**Installer Unsloth :**

```bash
curl -fsSL https://unsloth.ai/install.sh | sh
```

Utilisez la même commande pour effectuer la mise à jour.
{% endtab %}

{% tab title="Windows" %}
**Installer Unsloth :**

```powershell
irm https://unsloth.ai/install.ps1 | iex
```

Utilisez la même commande pour effectuer la mise à jour.
{% endtab %}

{% tab title="Docker" %}
L’image [Docker d’Unsloth](https://hub.docker.com/r/unsloth/unsloth) `unsloth/unsloth` est disponible sur Docker. [Consulter le guide.](https://unsloth.ai/docs/get-started/install/docker)
{% endtab %}

{% tab title="Homebrew" %}
Installer Unsloth Desktop :

{% code collapsedlinecount="10" %}

```bash
brew install --cask unsloth
```

{% endcode %}

Mettre à jour Unsloth Desktop :

```bash
brew upgrade --cask unsloth
```

{% endtab %}

{% tab title="WinGet" %}
Installer Unsloth Desktop :

```powershell
winget install --id UnslothAI.Unsloth -e
```

Mettre à jour Unsloth Desktop :

```powershell
winget upgrade --id UnslothAI.Unsloth -e
```

{% endtab %}
{% endtabs %}

{% columns %}
{% column width="50%" %}
{% content-ref url="/pages/41f2e6bbbe116f730cf3549300cf28972e8c72f4" %}
[Complete LLM Directory](https://unsloth.ai/docs/fr/modeles/tutorials.md)
{% endcontent-ref %}

{% content-ref url="/pages/9bbe6f156adffaddead7109d8475ab4a8547be46" %}
[Fine-tuning Guide](https://unsloth.ai/docs/fr/commencer/fine-tuning-llms-guide.md)
{% endcontent-ref %}
{% endcolumn %}

{% column width="50%" %}
{% content-ref url="/pages/ca98e2e30b9d7bfca2555b29e750ac7d5e3e674c" %}
[Models](https://unsloth.ai/docs/fr/commencer/unsloth-model-catalog.md)
{% endcontent-ref %}

{% content-ref url="/pages/d7ed99d74f1997aa8747da14938bbaee3f09d15b" %}
[Unsloth API](https://unsloth.ai/docs/fr/notions-de-base/api.md)
{% endcontent-ref %}
{% endcolumn %}
{% endcolumns %}

### 👾 Démarrer Unsloth

{% columns %}
{% column width="58.333333333333336%" %}
[Démarrer Unsloth](https://unsloth.ai/docs/fr/integrations/unsloth-start.md) vous permet de connecter [Claude Code](https://unsloth.ai/docs/fr/notions-de-base/claude-code.md), [Codex](https://unsloth.ai/docs/fr/notions-de-base/codex.md) et d’autres agents à des modèles locaux via la `unsloth start` commande.

Démarrez Unsloth, chargez un modèle, ouvrez le dossier de votre projet, puis exécutez :

```bash
unsloth start claude
```

Remplacez `claude` par n’importe quel agent ci-dessous :
{% endcolumn %}

{% column width="41.666666666666664%" %}

<figure><img src="https://550366147-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FpXE6kCHjh8qOEaggf94M%2FScreenshot_20260718_122426.png?alt=media&amp;token=a59e4c8c-efdb-451b-b1f8-621955564f6d" alt="" width="563"><figcaption><p>Claude Code exécuté localement avec Qwen3.5.</p></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

| Agent                                                              | Commande                 |
| ------------------------------------------------------------------ | ------------------------ |
| <i class="fa-claude">:claude:</i> Claude Code                      | `unsloth start claude`   |
| <i class="fa-openai">:openai:</i> OpenAI Codex                     | `unsloth start codex`    |
| <i class="fa-deepseek">:deepseek:</i> DeepSeek Harness             | `unsloth start dsh`      |
| <i class="fa-vscode">:vscode:</i> Visual Studio Code               | `unsloth start vscode`   |
| <i class="fa-rectangle-vertical">:rectangle-vertical:</i> OpenCode | `unsloth start opencode` |
| <i class="fa-caduceus">:caduceus:</i> Hermes Agent                 | `unsloth start hermes`   |
| <i class="fa-lobster">:lobster:</i> OpenClaw                       | `unsloth start openclaw` |

### 🦥 Pourquoi Unsloth ?

* Nous collaborons directement avec les équipes à l’origine de [gpt-oss](https://docs.unsloth.ai/new/gpt-oss-how-to-run-and-fine-tune#unsloth-fixes-for-gpt-oss), [Qwen3](https://www.reddit.com/r/LocalLLaMA/comments/1kaodxu/qwen3_unsloth_dynamic_ggufs_128k_context_bug_fixes/), [Llama 4](https://github.com/ggml-org/llama.cpp/pull/12889), [Mistral](https://huggingface.co/mistralai/Mistral-Medium-3.5-128B/discussions/18), [Gemma 1-3](https://news.ycombinator.com/item?id=39671146) et [Phi-4](https://unsloth.ai/blog/phi4), et nous avons **corrigé des bogues critiques** qui ont considérablement amélioré la précision des modèles. Par exemple, Andrej Karpathy a [salué notre travail](https://x.com/karpathy/status/1765473722985771335).
* Unsloth simplifie l’entraînement, l’inférence, la gestion des données et le déploiement en local
* Unsloth prend en charge l’inférence et l’entraînement de plus de 500 modèles : [vision](https://unsloth.ai/docs/fr/notions-de-base/vision-fine-tuning.md), [synthèse vocale](https://unsloth.ai/docs/fr/notions-de-base/text-to-speech-tts-fine-tuning.md), [intégration](https://unsloth.ai/docs/fr/notions-de-base/embedding-finetuning.md), [apprentissage par renforcement](https://unsloth.ai/docs/fr/commencer/reinforcement-learning-rl-guide.md)

### ⭐ Fonctionnalités

Unsloth vous permet d’exécuter et d’entraîner des modèles pour le texte, [l’audio](https://unsloth.ai/docs/basics/text-to-speech-tts-fine-tuning), [les embeddings](https://unsloth.ai/docs/new/embedding-finetuning), [la vision](https://unsloth.ai/docs/basics/vision-fine-tuning) et bien plus encore. Unsloth offre de nombreuses fonctionnalités clés pour l’inférence comme pour l’entraînement :

#### Inférence

* Exécutez et entraînez des LLM, des modèles de diffusion, d’embeddings et audio : [Qwen3.8](https://unsloth.ai/docs/fr/modeles/qwen3.8.md), [Kimi K3](https://unsloth.ai/docs/models/kimi-k3), MiniMax-H3, [Muse Glimmer](https://unsloth.ai/docs/models/muse-glimmer), [DeepSeek-V4](https://unsloth.ai/docs/models/deepseek-v4), [Gemma 4](https://unsloth.ai/docs/models/gemma-4).
* **Agents et outils :** Utilisez des modèles locaux avec [Claude Code](https://unsloth.ai/docs/basics/claude-code), [Codex](https://unsloth.ai/docs/basics/codex), et [MCP](https://unsloth.ai/docs/basics/mcp), notamment pour appeler des outils et exécuter du code.
* **Recherche et RAG :** Utilisez la recherche Web privée et illimitée, la recherche approfondie, la compaction automatique (fenêtre de contexte glissante) et le RAG.
* **Navigation Web :** [Parcourez des sites Web](https://unsloth.ai/docs/fr/notions-de-base/browser-use.md), remplissez des formulaires, lisez des PDF et modifiez des fichiers avec un modèle local.
* **Images et vidéos :** Exécutez et entraînez des modèles de diffusion [d’images](https://unsloth.ai/docs/basics/diffusion-image) et de vidéos, ou des modèles multimodaux
* **Accès à distance et sur le réseau local :** Accédez à vos modèles locaux depuis n’importe quel appareil sur le [réseau local](https://unsloth.ai/docs/basics/lan) ou à distance via une connexion sécurisée [Cloudflare](https://unsloth.ai/docs/basics/how-to-serve-local-llms-anywhere-secure-remote-access-with-cloudflare-and-unsloth) HTTPS.
* **Connexion :** Servez vos modèles via une API compatible avec [OpenAI](https://unsloth.ai/docs/basics/api). Connectez aussi votre abonnement ChatGPT/Codex et des fournisseurs [cloud](https://unsloth.ai/docs/integrations/connections)
* **Sandboxing :** [Contrôlez les fichiers auxquels votre modèle peut accéder](https://unsloth.ai/docs/new/studio/sandboxing-in-unsloth) lorsqu’il exécute des commandes.

#### Entraînement et déploiement

* **Ajustement fin :** Entraînez des LLM, des modèles de diffusion, de synthèse vocale (TTS) et d’embeddings 2 fois plus vite, avec 70 % de VRAM en moins et [sans perte de précision](https://unsloth.ai/blog#training)
* **Prise en charge complète :** Prend en charge [l’apprentissage par renforcement](https://unsloth.ai/docs/get-started/reinforcement-learning-rl-guide), LoRA, QLoRA, réglage fin complet, préentraînement, RL, GRPO, DPO et FP8.
* **Exporter et déployer :** [Exporter](https://unsloth.ai/docs/new/studio/export) ou déployer des modèles, notamment au format [GGUF](https://unsloth.ai/docs/basics/inference-and-deployment/saving-to-gguf), NVFP4, FP8 et dans bien d’autres formats.
* **Jeux de données :** Créez des jeux de données à partir de PDF, CSV, fichiers DOCX et bien plus encore avec [Data Recipes](https://unsloth.ai/docs/new/studio/data-recipe).

### **Démo vidéo**

{% embed url="<https://www.youtube.com/watch?v=_1hgTTuber4>" %}

{% columns %}
{% column width="50%" %}
{% content-ref url="/pages/17e668a82f6382e48c91ce24710a758a8d7eb23c" %}
[Mises à jour d’Unsloth](https://unsloth.ai/docs/fr/nouveau/changelog.md)
{% endcontent-ref %}

{% content-ref url="/pages/44b6f06033c7dbf3b6521a33337058e295acc604" %}
[Inférence et déploiement](https://unsloth.ai/docs/fr/notions-de-base/inference-and-deployment.md)
{% endcontent-ref %}
{% endcolumn %}

{% column width="50%" %}
{% content-ref url="/pages/4e19b143c5717c66d2a17f6ef781988e37a489f2" %}
[Unsloth Start](https://unsloth.ai/docs/fr/integrations/unsloth-start.md)
{% endcontent-ref %}

{% content-ref url="/pages/8e3d570b34072053937ce45a7a2125f403689ec3" %}
[Dynamic 3.0 GGUFs](https://unsloth.ai/docs/fr/notions-de-base/dynamic-3.0-ggufs.md)
{% endcontent-ref %}
{% endcolumn %}
{% endcolumns %}

<figure><img src="https://550366147-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2Fgit-blob-134302f2507d4313b9575917c9a43b0a0028856c%2Flarge%20sloth%20wave.png?alt=media" alt="" width="188"><figcaption></figcaption></figure>


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://unsloth.ai/docs/fr/docs.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
