> 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 - [Documentation Unsloth](https://unsloth.ai/docs/fr/commencer/readme.md): Unsloth est un framework open source pour exécuter et entraîner des LLM. - [Catalogue de modèles Unsloth](https://unsloth.ai/docs/fr/commencer/unsloth-model-catalog.md) - [Le fine-tuning pour débutants](https://unsloth.ai/docs/fr/commencer/fine-tuning-for-beginners.md) - [Prérequis d'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 + 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 ne savez pas si le fine-tuning est fait pour vous, regardez ici ! Découvrez les idées reçues sur le fine-tuning, comment il se compare au RAG, et plus encore : - [Notebooks Unsloth](https://unsloth.ai/docs/fr/commencer/unsloth-notebooks.md): Notebooks de fine-tuning : explorez le catalogue Unsloth. - [Installation Unsloth](https://unsloth.ai/docs/fr/commencer/install.md): Apprenez à installer Unsloth en local 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 LLM 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 LLM localement. - [Guide pour le fine-tuning de LLM sur GPU AMD avec Unsloth](https://unsloth.ai/docs/fr/commencer/install/amd.md): Apprenez à fine-tuner 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 les modèles d'IA avec Unsloth grâce à Daniel Han, le créateur d'Unsloth. - [Installer Unsloth via Docker](https://unsloth.ai/docs/fr/commencer/install/docker.md): Installez Unsloth en utilisant notre conteneur Docker officiel - [Mettre à jour 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 des LLM 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 avec 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 LLM 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 de fine-tuning des LLM](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 pour les 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 d'apprentissage par renforcement (RL)](https://unsloth.ai/docs/fr/commencer/reinforcement-learning-rl-guide.md): Apprenez 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 7 fois 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 contexte ultra long. - [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 à l'aide d'Unsloth et de 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. - [Exploitation de la récompense 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): « Defeating the Training-Inference Mismatch via FP16 » https://arxiv.org/pdf/2510.26788 montre que l'utilisation du float16 est meilleure que le bfloat16 - [RL efficace en mémoire](https://unsloth.ai/docs/fr/commencer/reinforcement-learning-rl-guide/memory-efficient-rl.md) - [Entraînement par 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 le 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 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.