> 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 - [Catalogue de modèles Unsloth](https://unsloth.ai/docs/fr/commencer/unsloth-model-catalog.md) - [Fine-tuning pour les débutants](https://unsloth.ai/docs/fr/commencer/fine-tuning-for-beginners.md) - [Exigences 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 : - [Cahiers Unsloth](https://unsloth.ai/docs/fr/commencer/unsloth-notebooks.md): Cahiers de fine-tuning : explorez le catalogue Unsloth. - [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 Linux](https://unsloth.ai/docs/fr/commencer/install/linux.md): Installez Unsloth Desktop, Unsloth Studio ou Unsloth Core sur Linux. - [Installer Unsloth sur Windows](https://unsloth.ai/docs/fr/commencer/install/windows-installation.md): Installez Unsloth Desktop, Unsloth Studio ou Unsloth Core sur Windows. - [Fine-tuning de LLM 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 (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. - [Mise à jour d'Unsloth](https://unsloth.ai/docs/fr/commencer/install/updating.md): Mettre à jour Unsloth Desktop, Unsloth Studio ou Unsloth Core. - [Installer Unsloth via Docker](https://unsloth.ai/docs/fr/commencer/install/docker.md): Installez Unsloth à l'aide de notre conteneur Docker officiel - [Fine-tuning de LLM sur GPU Intel avec Unsloth](https://unsloth.ai/docs/fr/commencer/install/intel.md): Apprenez à entraîner et à 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 directement des modèles 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 meilleures pratiques du fine-tuning. Accessible 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): 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'expert. - [Apprentissage par renforcement GRPO avec un contexte 7x plus long](https://unsloth.ai/docs/fr/commencer/reinforcement-learning-rl-guide/grpo-long-context.md): Apprenez comment Unsloth permet un fine-tuning RL à très long contexte. - [Apprentissage par renforcement de 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 l'apprentissage par renforcement 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): Apprenez 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 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): Apprenez 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 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 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.