# Exigences d'Unsloth

Unsloth peut être utilisé de deux façons : via [Unsloth Studio](https://unsloth.ai/docs/fr/nouveau/studio/install), l'interface web, ou via [Unsloth Core](#unsloth-core-requirements), la version originale basée sur le code. Chacune a des exigences différentes.

## **Exigences d’Unsloth Studio**

* **Mac :** Comme le CPU - [Chat](https://unsloth.ai/docs/fr/nouveau/studio/chat#using-unsloth-studio-chat) + [Recettes de données](https://unsloth.ai/docs/fr/nouveau/studio/data-recipe) fonctionne pour l’instant. **MLX** formation très bientôt.
* **CPU : Unsloth fonctionne toujours sans GPU**, pour Chat + Recettes de données.
* **Entraînement :** Fonctionne sur **NVIDIA** : RTX 30, 40, 50, Blackwell, DGX Spark/Station, etc. + **Intel** GPU
* **Bientôt disponible :** Prise en charge de **Apple MLX** et **AMD**.

### <i class="fa-windows">:windows:</i> Windows**s**

Unsloth Studio fonctionne directement sur Windows sans WSL. Pour entraîner des modèles, assurez-vous que votre système satisfait à ces exigences :

**Exigences**

* Windows 10 ou Windows 11 (64 bits)
* GPU NVIDIA avec pilotes installés
* **Installateur d’application** (inclut `winget`): [ici](https://learn.microsoft.com/en-us/windows/msix/app-installer/install-update-app-installer)
* **Git**: `winget install --id Git.Git -e --source winget`
* **Python**: version 3.11 jusqu’à, mais sans inclure, 3.14
* Travaillez dans un environnement Python tel que **uv**, **venv**ou **conda/mamba**

### <i class="fa-apple">:apple:</i> MacOS

Unsloth Studio fonctionne sur les appareils Mac pour [Chat](#run-models-locally) pour les modèles GGUF et [Recettes de données](https://unsloth.ai/docs/fr/nouveau/studio/data-recipe) ([Exportation](https://unsloth.ai/docs/fr/nouveau/studio/export) à venir très bientôt). **Entraînement MLX à venir bientôt !**

* macOS 12 Monterey ou plus récent (Intel ou Apple Silicon)
* Installez Homebrew : [ici](https://brew.sh/)
* Git : `brew install git`&#x20;
* cmake : `brew install cmake`&#x20;
* openssl : `brew install openssl`
* Python : version 3.11 jusqu’à, mais sans inclure, 3.14
* Travaillez dans un environnement Python tel que **uv**, **venv**ou **conda/mamba**

### <i class="fa-linux">:linux:</i> Linux et WSL

* Ubuntu 20.04+ ou distribution similaire (64 bits)
* GPU NVIDIA avec pilotes installés
* CUDA toolkit (12.4+ recommandé, 12.8+ pour Blackwell)
* Git : `sudo apt install git`
* Python : version 3.11 jusqu’à, mais sans inclure, 3.14
* Travaillez dans un environnement Python tel que **uv**, **venv**ou **conda/mamba**

### <i class="fa-microchip">:microchip:</i> CPU uniquement

Unsloth Studio prend en charge les appareils CPU pour [Chat](#run-models-locally) pour les modèles GGUF et [Recettes de données](https://unsloth.ai/docs/fr/nouveau/studio/data-recipe) ([Exportation](https://unsloth.ai/docs/fr/nouveau/studio/export) à venir très bientôt)

* Identique à ce qui est mentionné ci-dessus pour Linux (sauf pour les pilotes GPU NVIDIA) et MacOS.

### **Entraînement**

L’entraînement d’Unsloth Studio fonctionne actuellement sur les GPU NVIDIA, avec la prise en charge d’AMD, MLX et Intel qui arrive très bientôt. Vous pouvez toujours utiliser [le code source original d’Unsloth](#unsloth-requirements) pour entraîner sur des appareils AMD et Intel. **Python 3.11–3.13** est requis.

| Exigence            | Linux / WSL                                 | Windows                                                         |
| ------------------- | ------------------------------------------- | --------------------------------------------------------------- |
| **Git**             | Généralement préinstallé                    | Installé par le script d’installation (`winget`)                |
| **CMake**           | Préinstallé ou `sudo apt install cmake`     | Installé par le script d’installation (`winget`)                |
| **Compilateur C++** | `build-essential`                           | Visual Studio Build Tools 2022                                  |
| **CUDA Toolkit**    | Facultatif ; `nvcc` détecté automatiquement | Installé par le script d’installation (correspondant au pilote) |

## Exigences du code source d’Unsloth

* **Système d’exploitation**: Fonctionne sous Linux et [Windows](https://docs.unsloth.ai/get-started/install-and-update/windows-installation)
* Prend en charge les GPU NVIDIA depuis 2018+, y compris [Blackwell RTX 50](https://unsloth.ai/docs/fr/blog/fine-tuning-llms-with-blackwell-rtx-50-series-and-unsloth) et [DGX Spark](https://unsloth.ai/docs/fr/blog/fine-tuning-llms-with-nvidia-dgx-spark-and-unsloth)
* Capacité CUDA minimale 7.0 (V100, T4, Titan V, RTX 20 et 50, A100, H100, L40, etc.) [Vérifiez votre GPU !](https://developer.nvidia.com/cuda-gpus) GTX 1070, 1080 fonctionne, mais c’est lent.
* L’image Docker officielle [d’Unsloth Docker](https://hub.docker.com/r/unsloth/unsloth) `unsloth/unsloth` est disponible sur Docker Hub
  * [docker](https://unsloth.ai/docs/fr/commencer/install/docker "mention")
* Unsloth fonctionne sur [AMD](https://unsloth.ai/docs/fr/commencer/install/amd) et [Intel](https://unsloth.ai/docs/fr/commencer/install/intel) GPU (suivez nos [guides spécifiques](https://unsloth.ai/docs/fr/commencer/install)). Apple/Silicon/MLX est en cours de développement
* Votre appareil doit avoir `xformers`, `torch`, `BitsandBytes` et `triton` prise en charge.
* Si vous avez des versions différentes de torch, transformers, etc., `pip install unsloth` installera automatiquement toutes les dernières versions de ces bibliothèques afin que vous n’ayez pas à vous soucier de la compatibilité des versions.

{% hint style="info" %}
Python 3.13 est pris en charge !
{% endhint %}

### Exigences de VRAM pour le fine-tuning :

De quelle quantité de mémoire GPU ai-je besoin pour le fine-tuning de LLM avec Unsloth ?

{% hint style="info" %}
Un problème courant lorsque vous obtenez une OOM ou manquez de mémoire est que vous avez défini une taille de lot trop élevée. Réglez-la sur 1, 2 ou 3 pour utiliser moins de VRAM.

**Pour les benchmarks de longueur de contexte, voir** [**ici**](https://unsloth.ai/docs/fr/bases/unsloth-benchmarks#context-length-benchmarks)**.**
{% endhint %}

Consultez ce tableau pour les exigences en VRAM, classées par paramètres du modèle et méthode de fine-tuning. QLoRA utilise du 4 bits, LoRA utilise du 16 bits. Gardez à l’esprit que parfois plus de VRAM est nécessaire selon le modèle, donc ces nombres sont le minimum absolu :

| Paramètres du modèle | VRAM QLoRA (4 bits) | VRAM LoRA (16 bits) |
| -------------------- | ------------------- | ------------------- |
| 3B                   | 3,5 Go              | 8 Go                |
| 7B                   | 5 Go                | 19 Go               |
| 8B                   | 6 Go                | 22 Go               |
| 9B                   | 6,5 Go              | 24 Go               |
| 11B                  | 7,5 Go              | 29 Go               |
| 14B                  | 8,5 Go              | 33 Go               |
| 27B                  | 22 Go               | 64 Go               |
| 32B                  | 26 Go               | 76 Go               |
| 40B                  | 30 Go               | 96 Go               |
| 70B                  | 41 Go               | 164 Go              |
| 81B                  | 48 Go               | 192 Go              |
| 90B                  | 53 Go               | 212 Go              |
| 405B                 | 237 Go              | 950 Go              |


---

# 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/fine-tuning-for-beginners/unsloth-requirements.md?ask=<question>
```

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.