> 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 Unsloth Studio manuellement 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 en utilisant 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): Mettre à jour Unsloth Desktop, Unsloth Studio ou Unsloth Core. - [Fine-tuning de LLM sur GPU Intel avec Unsloth](https://unsloth.ai/docs/fr/commencer/install/intel.md): Découvrez comment entraîner et fine-tuner de grands modèles de langage sur GPU Intel. - [Guide pour le fine-tuning de LLM sur GPU AMD avec Unsloth](https://unsloth.ai/docs/fr/commencer/install/amd.md): Découvrez comment fine-tuner de grands modèles de langage (LLM) sur GPU AMD avec Unsloth. - [Hackathon d'apprentissage par renforcement IA AMD avec Unsloth](https://unsloth.ai/docs/fr/commencer/install/amd/amd-hackathon.md): ​​Découvrez des techniques pratiques d'​apprentissage par renforcement pour les modèles IA avec Unsloth, présentées par Daniel Han, le créateur d'Unsloth. - [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 des 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 : - [Catalogue de modèles Unsloth](https://unsloth.ai/docs/fr/commencer/unsloth-model-catalog.md) - [Fine-tuning 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 pour Unsloth, y compris les exigences système et la VRAM du 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, consultez ceci ! Découvrez les idées reçues sur le fine-tuning, en quoi 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. - [Guide de fine-tuning des LLM](https://unsloth.ai/docs/fr/commencer/fine-tuning-llms-guide.md): Découvrez toutes les bases et les meilleures 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): Découvrez comment 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 pour le fine-tuning de LLM : rang LoRA et alpha, époques, taille de lot et 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): 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 fine-tuning RL avec des contextes ultra-longs. - [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 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 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 dans l'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 de float16 est meilleure que celle de bfloat16 - [RL économe en mémoire](https://unsloth.ai/docs/fr/commencer/reinforcement-learning-rl-guide/memory-efficient-rl.md) - [Entraînement de l'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): Découvrez comment entraîner des agents IA pour des tâches réelles 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 by asking a question. Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters: ``` 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 what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case. 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.