> 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 via une interface 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="/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>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="/docs/fr/modeles/qwen3.8.md">Qwen3.8-27B</a></td></tr><tr><td><strong>Qwen3.8-Flash-Next</strong></td><td>Nouveau modèle MoE multimodal avec l'architecture Qwen4.</td><td><a href="https://550366147-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FD5XvlMiglB75xLiQQUq8%2Fqwen38%20flash%20new%20logo.png?alt=media&amp;token=cbe972b2-a558-4dbd-9501-a7e2e898df8f">qwen38 flash new logo.png</a></td><td><a href="/docs/fr/modeles/qwen3.8-next.md">Qwen3.8-Flash-Next</a></td></tr><tr><td><strong>Découvrez Unsloth Desktop</strong></td><td>La première application de bureau pour exécuter et entraîner des modèles.</td><td><a href="https://550366147-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FyUdniXManojk20Q3M5Lf%2Fintroducing%20unsloth%20desktop%20thumb.png?alt=media&amp;token=5ecd2f25-b996-4749-8242-ffd21b080ae7">introducing unsloth desktop thumb.png</a></td><td><a href="/docs/fr/desktop.md">Introducing Unsloth Desktop</a></td></tr><tr><td><strong>GLM-5.3-Flash</strong></td><td>Le nouveau modèle 320B, alias <code>ox-alpha</code> par Z.ai.</td><td><a href="https://550366147-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FeHSdHWsGl4rQtUUgSkGj%2Fglm%205.3%20flash.png?alt=media&amp;token=acd21ab7-c5b5-4338-8b23-8d4cf16584f3">glm 5.3 flash.png</a></td><td><a href="/docs/fr/modeles/glm-5.3-flash.md">GLM-5.3-Flash</a></td></tr><tr><td><strong>DeepSeek-V4 Vision</strong></td><td>Le premier modèle de vision de DeepSeek. Fonctionne avec 128 Go de RAM.</td><td><a href="https://550366147-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FYCbdIeMsEQmDJoyii4tl%2Fdeepseek%20v4%20logo.png?alt=media&amp;token=0d1ec333-bcbd-4ecb-8891-5393a1c5bb0a">deepseek v4 logo.png</a></td><td><a href="/docs/fr/modeles/deepseek-v4.md">DeepSeek-V4-Flash</a></td></tr><tr><td><strong>GLM-5.3</strong></td><td>Exécutez le modèle open source le plus performant à ce jour.</td><td><a href="https://550366147-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FEOLfeTQcmdj4Ofo5jGhS%2Fglm%205.3%20logo.png?alt=media&amp;token=220f0d33-d5fc-4fc1-8152-126bd21f2cde">glm 5.3 logo.png</a></td><td><a href="/docs/fr/modeles/glm-5.3.md">GLM-5.3</a></td></tr></tbody></table>

### ⚡ Démarrage rapide

Unsloth prend en charge macOS, Linux, [Windows](/docs/fr/commencer/install/windows-installation.md), [NVIDIA](/docs/fr/commencer/install/pip-install.md), [AMD](/docs/fr/commencer/install/amd.md), Intel et les configurations CPU. Voir : [Prérequis Unsloth](/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, si vous préférez une installation manuelle :

**macOS, Linux, WSL :**

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

**Windows PowerShell :**

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

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

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

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

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

### 👾 Démarrer Unsloth

{% columns %}
{% column width="58.333333333333336%" %}
[Unsloth Start](/docs/fr/integrations/unsloth-start.md) vous permet de connecter [Claude Code](/docs/fr/notions-de-base/claude-code.md), [Codex](/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 votre dossier de 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 s'exécutant 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-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 derrière [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), où nous avons **corrigé des bugs critiques** qui ont grandement amélioré la précision des modèles. Andrej Karpathy, par exemple, a [salué notre travail](https://x.com/karpathy/status/1765473722985771335).
* Unsloth simplifie l'entraînement local, l'inférence, les données et le déploiement
* Unsloth prend en charge l'inférence et l'entraînement de plus de 500 modèles : [vision](/docs/fr/notions-de-base/vision-fine-tuning.md), [TTS](/docs/fr/notions-de-base/text-to-speech-tts-fine-tuning.md), [embeddings](/docs/fr/notions-de-base/embedding-finetuning.md), [RL](/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), [embeddings](https://unsloth.ai/docs/new/embedding-finetuning), [vision](https://unsloth.ai/docs/basics/vision-fine-tuning) et bien plus encore. Unsloth propose 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](/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), y compris l'appel d'outils et l'exécution de code.
* **Recherche et RAG :** Utilisez une recherche web privée et illimitée, la recherche approfondie, la compression automatique (fenêtre de contexte glissante) et le RAG.
* **Image et vidéo :** Exécutez et entraînez [des modèles d'image](https://unsloth.ai/docs/basics/diffusion-image) et des modèles de diffusion vidéo ou multimodaux
* **À distance et sur le LAN :** Accédez à vos modèles locaux depuis n'importe quel appareil sur [LAN](https://unsloth.ai/docs/basics/lan) ou à distance via un [Cloudflare](https://unsloth.ai/docs/basics/how-to-serve-local-llms-anywhere-secure-remote-access-with-cloudflare-and-unsloth) HTTPS sécurisé.
* **Connectez-vous :** Servez les modèles via une [API compatible avec OpenAI](https://unsloth.ai/docs/basics/api). Connectez également votre abonnement ChatGPT/Codex et [des fournisseurs cloud](https://unsloth.ai/docs/integrations/connections)

#### Entraîner et déployer

* **Affinage :** Entraînez des LLM, des modèles de diffusion, de TTS et d'embeddings 2× plus vite avec 70 % de VRAM en moins grâce à [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, l'affinage complet, le pré-entraînement, RL, GRPO, DPO et FP8.
* **Exporter et déployer :** [Exportez](https://unsloth.ai/docs/new/studio/export) ou déployez des modèles en incluant [GGUF](https://unsloth.ai/docs/basics/inference-and-deployment/saving-to-gguf), NVFP4, FP8 et d'autres formats.
* **Jeux de données :** Créez des jeux de données à partir de PDF, CSV, fichiers DOCX et plus encore avec [Recettes de données](https://unsloth.ai/docs/new/studio/data-recipe).

### **Derniers modèles**

<table data-column-title-hidden data-card-wrap="false" data-view="cards"><thead><tr><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><h4>Qwen3.8</h4></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="/docs/fr/modeles/qwen3.8.md">Qwen3.8-27B</a></td></tr><tr><td><h4>Meta Muse Glimmer</h4></td><td><a href="https://550366147-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2Fnbdjif7yfvvH1j6aBmpS%2FMuse%20glimmer%20logo%20final.png?alt=media&amp;token=5031f9dc-c257-4488-95be-856e1ea31ec8">Muse glimmer logo final.png</a></td><td></td></tr><tr><td><h4>Kimi K3</h4></td><td><a href="https://550366147-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FwCzVjy7Q6EQLthkUuZqk%2Fkimik3%20logo.png?alt=media&amp;token=945dfb54-9c25-4539-9138-e23f841ca168">kimik3 logo.png</a></td><td><a href="/docs/fr/modeles/kimi-k3.md">Kimi K3 </a></td></tr><tr><td><h4>DeepSeek V4</h4></td><td><a href="https://550366147-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FYCbdIeMsEQmDJoyii4tl%2Fdeepseek%20v4%20logo.png?alt=media&amp;token=0d1ec333-bcbd-4ecb-8891-5393a1c5bb0a">deepseek v4 logo.png</a></td><td><a href="/docs/fr/modeles/deepseek-v4.md">DeepSeek-V4-Flash</a></td></tr><tr><td><h4>Qwen3.6</h4></td><td><a href="https://550366147-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2Fdy7z03AUFzXHKqqOY7kC%2Fqwen3.6%20logo.png?alt=media&amp;token=a894c047-a9ea-4f9c-824a-be86ec81f54d">qwen3.6 logo.png</a></td><td><a href="/docs/fr/modeles/qwen3.6.md">Qwen3.6</a></td></tr><tr><td><h4>GLM-5.2</h4></td><td><a href="https://550366147-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FmbYXj0v0p5zbeESPDYUr%2Fglm52.png?alt=media&amp;token=0cb4ae58-d249-403a-9fb5-72e9e93f8da9">glm52.png</a></td><td><a href="/docs/fr/modeles/glm-5.2.md">GLM-5.2</a></td></tr><tr><td><h4>Gemma 4</h4></td><td><a href="https://550366147-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FkEjWOJqBWCtIN9Cg6CdI%2FGemma%204%20landscape.png?alt=media&amp;token=57d3f596-dae8-4eab-80e6-0847794ffc8d">Gemma 4 landscape.png</a></td><td><a href="/docs/fr/modeles/gemma-4.md">Gemma 4</a></td></tr><tr><td><h4>MiniMax M3</h4></td><td><a href="https://550366147-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FsaXyQq0XeFuudTK5ZEGw%2Fminimaxm3.png?alt=media&amp;token=4af28954-abd2-4163-a0fe-ed4e42e25d2f">minimaxm3.png</a></td><td><a href="/docs/fr/modeles/minimax-m3.md">MiniMax M3</a></td></tr><tr><td><h4>DiffusionGemma</h4></td><td><a href="https://550366147-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FQNex1tTcNU8rPfsa1Pja%2Fdiffusiongemma%20logo.png?alt=media&amp;token=37e9fa55-c003-4877-9519-d1687ce48322">diffusiongemma logo.png</a></td><td><a href="/docs/fr/modeles/diffusiongemma.md">DiffusionGemma</a></td></tr></tbody></table>

### **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](/docs/fr/nouveau/changelog.md)
{% endcontent-ref %}

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

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

{% content-ref url="/pages/8e3d570b34072053937ce45a7a2125f403689ec3" %}
[Dynamic 3.0 GGUFs](/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 dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

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

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

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.