# Commencer - [Documentation Unsloth](https://unsloth.ai/docs/fr/commencer/readme.md): Unsloth est un framework open source pour exécuter et entraîner des modèles. - [Fine-tuning pour débutants](https://unsloth.ai/docs/fr/commencer/fine-tuning-for-beginners.md) - [Exigences d'Unsloth](https://unsloth.ai/docs/fr/commencer/fine-tuning-for-beginners/unsloth-requirements.md): Voici les exigences d'Unsloth, y compris les exigences système et de VRAM GPU. - [FAQ + Le fine-tuning 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 le fine-tuning vous convient, voyez ici ! Découvrez les idées reçues sur le fine-tuning, comment il se compare à RAG, et plus encore : - [Carnets Unsloth](https://unsloth.ai/docs/fr/commencer/unsloth-notebooks.md): Notebooks de fine-tuning : explorez le catalogue Unsloth. - [Catalogue des modèles Unsloth](https://unsloth.ai/docs/fr/commencer/unsloth-model-catalog.md) - [Installation d'Unsloth](https://unsloth.ai/docs/fr/commencer/install.md): Apprenez à installer Unsloth localement ou en ligne. - [Installer Unsloth via pip et uv](https://unsloth.ai/docs/fr/commencer/install/pip-install.md): Pour installer Unsloth localement via Pip, suivez les étapes ci-dessous : - [Installer Unsloth sur MacOS](https://unsloth.ai/docs/fr/commencer/install/mac.md) - [Comment fine-tuner des LLMs sur Windows avec Unsloth (guide étape par étape)](https://unsloth.ai/docs/fr/commencer/install/windows-installation.md): Découvrez comment installer Unsloth sur Windows pour commencer à fine-tuner des LLMs localement. - [Installer Unsloth via Docker](https://unsloth.ai/docs/fr/commencer/install/docker.md): Installez Unsloth à l'aide de notre conteneur Docker officiel - [Mise à jour d'Unsloth](https://unsloth.ai/docs/fr/commencer/install/updating.md): Pour mettre à jour ou utiliser une ancienne version d'Unsloth, suivez les étapes ci-dessous : - [Fine-tuning de LLMs sur GPU AMD avec le guide Unsloth](https://unsloth.ai/docs/fr/commencer/install/amd.md): Apprenez à fine-tuner de grands modèles de langage (LLMs) 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 les modèles d'IA avec Unsloth grâce à Daniel Han, le créateur d'Unsloth. - [Fine-tuning de LLMs sur GPU Intel avec Unsloth](https://unsloth.ai/docs/fr/commencer/install/intel.md): Apprenez à entraîner et fine-tuner de grands modèles de langage sur des GPU Intel. - [Installation via Conda](https://unsloth.ai/docs/fr/commencer/install/conda-install.md): Pour installer Unsloth localement avec Conda, suivez les étapes ci-dessous : - [Comment fine-tuner des LLMs dans VS Code avec Unsloth et les GPU Colab](https://unsloth.ai/docs/fr/commencer/install/vs-code.md): Guide pour fine-tuner 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 : - [Guide du fine-tuning de LLMs](https://unsloth.ai/docs/fr/commencer/fine-tuning-llms-guide.md): Apprenez toutes les bases et les bonnes pratiques du fine-tuning. Adapté aux débutants. - [Guide des jeux de données](https://unsloth.ai/docs/fr/commencer/fine-tuning-llms-guide/datasets-guide.md): Apprenez à créer et préparer un jeu de données pour le fine-tuning. - [Guide des hyperparamètres de fine-tuning LoRA](https://unsloth.ai/docs/fr/commencer/fine-tuning-llms-guide/lora-hyperparameters-guide.md): Apprenez pas à pas les meilleurs réglages de fine-tuning 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 le fine-tuning ?](https://unsloth.ai/docs/fr/commencer/fine-tuning-llms-guide/what-model-should-i-use.md) - [Tutoriel : comment fine-tuner 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 de l'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 au niveau 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 fine-tuning RL à très long contexte. - [Apprentissage par renforcement pour la 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 avancés 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-vous avec le RL GSPO (Group Sequence Policy Optimization) dans Unsloth. - [Reward Hacking en RL](https://unsloth.ai/docs/fr/commencer/reinforcement-learning-rl-guide/advanced-rl-documentation/rl-reward-hacking.md): Découvrez ce qu'est le Reward Hacking en apprentissage par renforcement et comment le 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): Le document Defeating the Training-Inference Mismatch via FP16 https://arxiv.org/pdf/2510.26788 montre que l'utilisation de float16 est meilleure que 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 le fine-tuning 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): Apprenez à entraîner des agents IA pour des tâches du monde réel en utilisant l'apprentissage par renforcement (RL). --- # Agent Instructions: 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: ``` GET https://unsloth.ai/docs/fr/commencer.md?ask= ``` The question should be specific, self-contained, and written in natural language. 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.