> 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/commencer.md). # Commencer - [Installation d'Unsloth](https://unsloth.ai/docs/fr/commencer/install.md): Installez Unsloth Desktop, Unsloth Studio ou Unsloth Core. - [Installer Unsloth via pip et uv](https://unsloth.ai/docs/fr/commencer/install/pip-install.md): Installez manuellement Unsloth Studio ou installez Unsloth Core avec pip, uv ou un environnement virtuel. - [Installer Unsloth sur MacOS](https://unsloth.ai/docs/fr/commencer/install/mac.md): Installez Unsloth Desktop, Unsloth Studio ou Unsloth Core sur macOS. - [Installer Unsloth sur Windows](https://unsloth.ai/docs/fr/commencer/install/windows-installation.md): Installez Unsloth Desktop, Unsloth Studio ou Unsloth Core sur Windows. - [Installer Unsloth via Docker](https://unsloth.ai/docs/fr/commencer/install/docker.md): Installez Unsloth à l'aide de notre conteneur Docker officiel - [Installer Unsloth sur Linux](https://unsloth.ai/docs/fr/commencer/install/linux.md): Installez Unsloth Desktop, Unsloth Studio ou Unsloth Core sur Linux. - [Mise à jour d'Unsloth](https://unsloth.ai/docs/fr/commencer/install/updating.md): Mettez à jour Unsloth Desktop, Unsloth Studio ou Unsloth Core. - [Affinage des LLM sur GPU Intel avec Unsloth](https://unsloth.ai/docs/fr/commencer/install/intel.md): Découvrez comment entraîner et affiner de grands modèles de langage sur des GPU Intel. - [Affinage des LLM sur GPU AMD avec le guide Unsloth](https://unsloth.ai/docs/fr/commencer/install/amd.md): Découvrez comment affiner de grands modèles de langage (LLM) sur des GPU AMD avec Unsloth. - [Hackathon d'apprentissage par renforcement IA AMD avec Unsloth](https://unsloth.ai/docs/fr/commencer/install/amd/amd-hackathon.md): ​​Apprenez des techniques pratiques d'apprentissage par renforcement pour des modèles d'IA avec Unsloth, avec Daniel Han, le créateur d'Unsloth. - [Installation Conda](https://unsloth.ai/docs/fr/commencer/install/conda-install.md): Pour installer Unsloth localement avec Conda, suivez les étapes ci-dessous : - [Comment affiner des LLM dans VS Code avec Unsloth et les GPU Colab](https://unsloth.ai/docs/fr/commencer/install/vs-code.md): Guide pour affiner des modèles directement dans Visual Studio Code via Unsloth et Google Colab. - [Google Colab](https://unsloth.ai/docs/fr/commencer/install/google-colab.md): Pour installer et exécuter Unsloth sur Google Colab, suivez les étapes ci-dessous : - [Catalogue de modèles Unsloth](https://unsloth.ai/docs/fr/commencer/unsloth-model-catalog.md) - [Affinage pour débutants](https://unsloth.ai/docs/fr/commencer/fine-tuning-for-beginners.md) - [Prérequis Unsloth](https://unsloth.ai/docs/fr/commencer/fine-tuning-for-beginners/unsloth-requirements.md): Voici les prérequis d'Unsloth, y compris les exigences système et de VRAM GPU. - [FAQ + L'affinage est-il fait pour moi ?](https://unsloth.ai/docs/fr/commencer/fine-tuning-for-beginners/faq-+-is-fine-tuning-right-for-me.md): Si vous hésitez à savoir si l'affinage vous convient, voyez ici ! Découvrez les idées reçues sur l'affinage, en quoi il se compare à RAG, et plus encore : - [Cahiers d'exercices Unsloth](https://unsloth.ai/docs/fr/commencer/unsloth-notebooks.md): Cahiers d'exercices d'affinage : explorez le catalogue Unsloth. - [Guide d'affinage des LLM](https://unsloth.ai/docs/fr/commencer/fine-tuning-llms-guide.md): Découvrez toutes les bases et les bonnes pratiques de l'affinage. Adapté aux débutants. - [Guide des jeux de données](https://unsloth.ai/docs/fr/commencer/fine-tuning-llms-guide/datasets-guide.md): Découvrez comment créer et préparer un jeu de données pour l'affinage. - [Guide des hyperparamètres pour l'affinage LoRA](https://unsloth.ai/docs/fr/commencer/fine-tuning-llms-guide/lora-hyperparameters-guide.md): Découvrez pas à pas les meilleurs réglages d'affinage des LLM : rang et alpha LoRA, époques, taille de lot + accumulation de gradients, QLoRA vs LoRA, modules cibles, et plus encore. - [Quel modèle dois-je utiliser pour l'affinage ?](https://unsloth.ai/docs/fr/commencer/fine-tuning-llms-guide/what-model-should-i-use.md) - [Tutoriel : comment affiner Llama-3 et l'utiliser dans Ollama](https://unsloth.ai/docs/fr/commencer/fine-tuning-llms-guide/tutorial-how-to-finetune-llama-3-and-use-in-ollama.md): Guide du débutant pour créer un assistant personnel personnalisé (comme ChatGPT) à exécuter localement sur Ollama - [Guide d'apprentissage par renforcement (RL)](https://unsloth.ai/docs/fr/commencer/reinforcement-learning-rl-guide.md): Découvrez tout sur l'apprentissage par renforcement (RL) et comment entraîner votre propre modèle de raisonnement DeepSeek-R1 avec Unsloth en utilisant GRPO. Un guide complet du débutant à l'avancé. - [Apprentissage par renforcement GRPO avec un contexte 7x plus long](https://unsloth.ai/docs/fr/commencer/reinforcement-learning-rl-guide/grpo-long-context.md): Découvrez comment Unsloth permet un affinage RL à très long contexte. - [Apprentissage par renforcement vision (VLM RL)](https://unsloth.ai/docs/fr/commencer/reinforcement-learning-rl-guide/vision-reinforcement-learning-vlm-rl.md): Entraînez des modèles de vision/multimodaux via GRPO et RL avec Unsloth ! - [Apprentissage par renforcement FP8](https://unsloth.ai/docs/fr/commencer/reinforcement-learning-rl-guide/fp8-reinforcement-learning.md): Entraînez l'apprentissage par renforcement (RL) et GRPO en précision FP8 avec Unsloth. - [Tutoriel : entraînez votre propre modèle de raisonnement avec GRPO](https://unsloth.ai/docs/fr/commencer/reinforcement-learning-rl-guide/tutorial-train-your-own-reasoning-model-with-grpo.md): Guide du débutant pour transformer un modèle comme Llama 3.1 (8B) en modèle de raisonnement en utilisant Unsloth et GRPO. - [Documentation avancée sur l'apprentissage par renforcement](https://unsloth.ai/docs/fr/commencer/reinforcement-learning-rl-guide/advanced-rl-documentation.md): Paramètres de documentation avancée lors de l'utilisation d'Unsloth avec GRPO. - [Apprentissage par renforcement GSPO](https://unsloth.ai/docs/fr/commencer/reinforcement-learning-rl-guide/advanced-rl-documentation/gspo-reinforcement-learning.md): Entraînez avec le RL GSPO (Group Sequence Policy Optimization) dans Unsloth. - [Triche de récompense en RL](https://unsloth.ai/docs/fr/commencer/reinforcement-learning-rl-guide/advanced-rl-documentation/rl-reward-hacking.md): Découvrez ce qu'est la triche de récompense dans l'apprentissage par renforcement et comment la contrer. - [FP16 vs BF16 pour le RL](https://unsloth.ai/docs/fr/commencer/reinforcement-learning-rl-guide/advanced-rl-documentation/fp16-vs-bf16-for-rl.md): L'article « Defeating the Training-Inference Mismatch via FP16 » https://arxiv.org/pdf/2510.26788 montre que l'utilisation du float16 est meilleure que celle du bfloat16 - [RL économe en mémoire](https://unsloth.ai/docs/fr/commencer/reinforcement-learning-rl-guide/memory-efficient-rl.md) - [Entraînement d'optimisation des préférences - DPO, ORPO et KTO](https://unsloth.ai/docs/fr/commencer/reinforcement-learning-rl-guide/preference-dpo-orpo-and-kto.md): Découvrez l'affinage d'alignement des préférences avec DPO, GRPO, ORPO ou KTO via Unsloth, suivez les étapes ci-dessous : - [Entraîner des agents IA avec RL](https://unsloth.ai/docs/fr/commencer/reinforcement-learning-rl-guide/training-ai-agents-with-rl.md): Découvrez comment entraîner des agents IA pour des tâches du monde réel à l'aide de l'apprentissage par renforcement (RL). --- # 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/commencer.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.