> 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 modèles. - [Affinage pour débutants](https://unsloth.ai/docs/fr/commencer/fine-tuning-for-beginners.md) - [Configuration requise pour 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 + 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, regardez ici ! Découvrez les idées reçues sur l'affinage, comparez-le au RAG et bien plus encore : - [Carnets Unsloth](https://unsloth.ai/docs/fr/commencer/unsloth-notebooks.md): Carnets d'affinage : explorez le catalogue Unsloth. - [Catalogue de 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 affiner 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 affiner des LLM localement. - [Installer Unsloth via Docker](https://unsloth.ai/docs/fr/commencer/install/docker.md): Installez Unsloth à l'aide de 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 : - [Guide d'affinage des LLM sur GPU AMD avec Unsloth](https://unsloth.ai/docs/fr/commencer/install/amd.md): Apprenez à 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 les modèles d'IA avec Unsloth, avec Daniel Han, le créateur d'Unsloth. - [Affinage des LLM sur GPU Intel avec Unsloth](https://unsloth.ai/docs/fr/commencer/install/intel.md): Apprenez à entraîner et à affiner 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 via 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 : - [Guide d'affinage des LLM](https://unsloth.ai/docs/fr/commencer/fine-tuning-llms-guide.md): Apprenez toutes les bases et les meilleures 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): Apprenez à 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): Apprenez 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 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 affinage RL à contexte ultra long. - [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 vision/multimodaux via GRPO et RL avec Unsloth ! - [Apprentissage par renforcement en 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. - [Hacking des récompenses en RL](https://unsloth.ai/docs/fr/commencer/reinforcement-learning-rl-guide/advanced-rl-documentation/rl-reward-hacking.md): Découvrez ce qu'est le hacking des récompenses 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): L'article « 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 l'affinage de l'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: ``` 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.