> 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/bases.md). # Bases - [GGUF dynamiques Unsloth 3.0](https://unsloth.ai/docs/fr/bases/dynamic-3.0-ggufs.md) - [GGUF dynamiques Unsloth sur Aider Polyglot](https://unsloth.ai/docs/fr/bases/dynamic-3.0-ggufs/unsloth-dynamic-ggufs-on-aider-polyglot.md): Performances des GGUF dynamiques Unsloth sur les benchmarks Aider Polyglot - [Comment exécuter des modèles de diffusion d'images localement avec Unsloth](https://unsloth.ai/docs/fr/bases/diffusion-image.md) - [Comment utiliser Unsloth comme point de terminaison d'API](https://unsloth.ai/docs/fr/bases/api.md) - [Comment héberger des LLM locaux partout : accès distant sécurisé avec Cloudflare et Unsloth](https://unsloth.ai/docs/fr/bases/comment-heberger-des-llm-locaux-partout-acces-distant-securise-avec-cloudflare-et-unsloth.md) - [Inférence et déploiement](https://unsloth.ai/docs/fr/bases/inference-and-deployment.md): Découvrez comment enregistrer votre modèle fine-tuné afin de pouvoir l'exécuter dans votre moteur d'inférence préféré. - [Enregistrer en GGUF](https://unsloth.ai/docs/fr/bases/inference-and-deployment/saving-to-gguf.md) - [Décodage spéculatif](https://unsloth.ai/docs/fr/bases/inference-and-deployment/saving-to-gguf/speculative-decoding.md): Décodage spéculatif avec llama-server, llama.cpp, vLLM et plus pour une inférence 2x plus rapide - [Guide de déploiement et d'inférence vLLM](https://unsloth.ai/docs/fr/bases/inference-and-deployment/vllm-guide.md): Guide sur l'enregistrement et le déploiement de LLM vers vLLM pour servir des LLM en production - [Arguments du moteur vLLM](https://unsloth.ai/docs/fr/bases/inference-and-deployment/vllm-guide/vllm-engine-arguments.md) - [Guide de permutation à chaud LoRA](https://unsloth.ai/docs/fr/bases/inference-and-deployment/vllm-guide/lora-hot-swapping-guide.md) - [Enregistrer des modèles pour Ollama](https://unsloth.ai/docs/fr/bases/inference-and-deployment/saving-to-ollama.md) - [Déployer des modèles vers LM Studio](https://unsloth.ai/docs/fr/bases/inference-and-deployment/lm-studio.md): Enregistrer des modèles au format GGUF afin de pouvoir les exécuter et les déployer dans LM Studio - [Comment installer la CLI de LM Studio dans le terminal Linux](https://unsloth.ai/docs/fr/bases/inference-and-deployment/lm-studio/how-to-install-lm-studio-cli-in-linux-terminal.md): Guide d'installation de LM Studio CLI sans interface utilisateur dans une instance de terminal. - [Guide de déploiement et d'inférence SGLang](https://unsloth.ai/docs/fr/bases/inference-and-deployment/sglang-guide.md): Guide sur l'enregistrement et le déploiement de LLM vers SGLang pour servir des LLM en production - [Inférence Unsloth](https://unsloth.ai/docs/fr/bases/inference-and-deployment/unsloth-inference.md): Découvrez comment exécuter votre modèle fine-tuné avec l'inférence plus rapide d'Unsloth. - [Guide de déploiement de llama-server et du point de terminaison OpenAI](https://unsloth.ai/docs/fr/bases/inference-and-deployment/llama-server-and-openai-endpoint.md): Déploiement via llama-server avec un point de terminaison compatible OpenAI - [Comment exécuter et déployer des LLM sur votre téléphone iOS ou Android](https://unsloth.ai/docs/fr/bases/inference-and-deployment/deploy-llms-phone.md): Tutoriel pour fine-tuner votre propre LLM et le déployer sur votre Android ou iPhone avec ExecuTorch. - [Dépannage de l'inférence](https://unsloth.ai/docs/fr/bases/inference-and-deployment/troubleshooting-inference.md): Si vous rencontrez des problèmes lors de l'exécution ou de l'enregistrement de votre modèle. - [Déployer des LLM avec Hugging Face Jobs](https://unsloth.ai/docs/fr/bases/inference-and-deployment/deploying-llms-with-hugging-face-jobs.md): Utiliser les jobs et les skills de Hugging Face pour fine-tuner LFM avec Codex / Claude Code à l'aide d'un SKILL. - [Comment exécuter des LLM locaux avec Claude Code](https://unsloth.ai/docs/fr/bases/claude-code.md): Guide pour utiliser des modèles ouverts avec Claude Code sur votre appareil local. - [Comment exécuter des LLM locaux avec OpenAI Codex](https://unsloth.ai/docs/fr/bases/codex.md): Utilisez des modèles ouverts avec OpenAI Codex localement sur votre appareil. - [Guide d'exécution d'Unsloth Dynamic NVFP4](https://unsloth.ai/docs/fr/bases/nvfp4.md): Découvrez comment Unsloth Dynamic NVFP4 permet une inférence 4 bits rapide et précise sur les GPU NVIDIA Blackwell. - [Entraîner et exécuter des modèles sur des GPU AMD avec Unsloth](https://unsloth.ai/docs/fr/bases/amd.md) - [Comment utiliser les serveurs MCP avec des LLM locaux](https://unsloth.ai/docs/fr/bases/mcp.md): Découvrez comment connecter des serveurs MCP à des modèles d'IA ouverts avec des captures d'écran. - [Fine-tuning multi-GPU avec Unsloth](https://unsloth.ai/docs/fr/bases/multi-gpu-training-with-unsloth.md): Découvrez comment fine-tuner des LLM sur plusieurs GPU et en parallèle avec Unsloth. - [Ajustement fin multi-GPU avec le parallélisme distribué des données (DDP)](https://unsloth.ai/docs/fr/bases/multi-gpu-training-with-unsloth/ddp.md): Apprenez à utiliser l'interface CLI d'Unsloth pour entraîner sur plusieurs GPU avec le parallélisme distribué des données (DDP) ! - [Guide Unsloth pour l'ajustement fin des modèles d'embedding](https://unsloth.ai/docs/fr/bases/embedding-finetuning.md): Apprenez à ajuster facilement les modèles d'embedding avec Unsloth. - [Ajustez les modèles MoE 12x plus vite avec Unsloth](https://unsloth.ai/docs/fr/bases/faster-moe.md): Entraînez localement des LLM MoE à l'aide du guide Unsloth. - [Guide d'ajustement fin pour la synthèse vocale (TTS)](https://unsloth.ai/docs/fr/bases/text-to-speech-tts-fine-tuning.md): Apprenez à ajuster les modèles vocaux TTS et STT avec Unsloth. - [Guide d'appel d'outils pour les LLM locaux](https://unsloth.ai/docs/fr/bases/tool-calling-guide-for-local-llms.md) - [Ajustement fin pour la vision](https://unsloth.ai/docs/fr/bases/vision-fine-tuning.md): Apprenez à ajuster finement les LLM vision/multimodaux avec Unsloth - [Dépannage et FAQ](https://unsloth.ai/docs/fr/bases/troubleshooting-and-faqs.md): Conseils pour résoudre les problèmes et questions fréquentes. - [Dépannage de Hugging Face Hub, XET](https://unsloth.ai/docs/fr/bases/troubleshooting-and-faqs/hugging-face-hub-xet-debugging.md): Débogage, dépannage des téléchargements bloqués et des téléchargements lents - [Modèles de chat](https://unsloth.ai/docs/fr/bases/chat-templates.md): Apprenez les bases et les options de personnalisation des modèles de chat, y compris les formats Conversational, ChatML, ShareGPT, Alpaca, et plus encore ! - [Indicateurs d'environnement Unsloth](https://unsloth.ai/docs/fr/bases/unsloth-environment-flags.md): Indicateurs avancés qui peuvent être utiles si vous constatez des ajustements fins défaillants, ou si vous souhaitez désactiver certaines choses. - [Pré-entraînement continu](https://unsloth.ai/docs/fr/bases/continued-pretraining.md): Aussi appelé ajustement fin continu. Unsloth vous permet de poursuivre le pré-entraînement afin qu'un modèle puisse apprendre une nouvelle langue. - [Ajustement fin à partir du dernier point de contrôle](https://unsloth.ai/docs/fr/bases/finetuning-from-last-checkpoint.md): Le point de contrôle vous permet d'enregistrer la progression de votre ajustement fin afin de pouvoir le suspendre puis le reprendre. - [Benchmarks Unsloth](https://unsloth.ai/docs/fr/bases/unsloth-benchmarks.md): Unsloth a enregistré des benchmarks sur des GPU NVIDIA. --- # 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/bases.md?ask=&goal= ``` `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.