> 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/install/vs-code.md).

# Comment fine-tuner des LLM dans VS Code avec Unsloth et des GPU Colab

Guide pour fine-tuner des modèles directement dans Visual Studio Code via Unsloth et Google Colab.

Vous pouvez désormais affiner des LLM directement depuis Visual Studio Code (VSCode), en local ou à l’aide de l’extension Google Colab. Dans ce guide, vous apprendrez à utiliser le dépôt d’entraînement open source [Unsloth](https://github.com/unslothai/unsloth), pour connecter n’importe quel [notebook de fine-tuning](https://unsloth.ai/docs/fr/commencer/unsloth-notebooks.md) dans VS Code à un environnement d’exécution Colab, afin d’entraîner votre modèle sur le GPU de votre ordinateur ou sur un GPU Colab gratuit. Vous pouvez également regarder notre tutoriel vidéo [ici](#video-tutorial).

{% stepper %}
{% step %}

### Tutoriel sur VS Code et Colab :

Pour commencer, vous aurez besoin des éléments suivants :

* Installé [VS Code](https://code.visualstudio.com/). Git (pour cloner le dépôt du notebook) devrait être installé par défaut.
* Un **compte Google** (pour vous authentifier auprès de Colab)
* Recommandé : **l’extension** (la plupart des configurations VS Code l’incluent déjà)
  {% endstep %}

{% step %}

#### Installez l’extension Colab dans VS Code

1. Ouvrez **Extensions** dans VS Code (`Ctrl+Shift+X` / `Cmd+Shift+X`)
2. Recherchez **« Colab »** et installez l’extension **Google Colab** extension

<figure><img src="https://550366147-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FnITq5t7dffCUGSW2EVsm%2Fcolab_img_1.optimized.png?alt=media" alt="" width="375"><figcaption></figcaption></figure>
{% endstep %}

{% step %}

#### Ouvrez un notebook Unsloth

1. Clonez le dépôt Unsloth [dépôt notebooks](https://github.com/unslothai/notebooks):

```bash
git clone https://github.com/unslothai/notebooks
cd notebooks/nb
```

<figure><img src="https://550366147-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FwRL8pvgtLRpz5rcmS6vy%2FScreenshot%202026-02-18%20at%206.29.16%E2%80%AFPM.png?alt=media&amp;token=7a72c2ec-6f94-4015-8355-27e76ba9b974" alt="" width="375"><figcaption></figcaption></figure>

2. Ouvrez le notebook souhaité. Unsloth prend en charge la plupart des modèles, notamment [les modèles d’empreintes vectorielles](https://unsloth.ai/docs/fr/notions-de-base/embedding-finetuning.md), [la synthèse vocale](https://unsloth.ai/docs/fr/notions-de-base/text-to-speech-tts-fine-tuning.md). Par exemple, nous allons utiliser Qwen3-4B pour le RL : `nb/Qwen3_(4B)-GRPO.ipynb`

<figure><img src="https://550366147-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FVBqwvArAyclTQjb7YL5I%2Fcolab_img_2.optimized.png?alt=media" alt="" width="375"><figcaption></figcaption></figure>
{% endstep %}

{% step %}

#### Sélectionnez un noyau, puis choisissez Colab

Dans la barre d’outils du notebook, cliquez sur **Sélectionnez le noyau**, puis choisissez **Colab**

<figure><img src="https://550366147-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FleGtAKSVehrlspPGvDy2%2Fcolab_img_3.png?alt=media&amp;token=ba3d8f1d-9cbb-44ed-8e52-8d0e52280607" alt="" width="375"><figcaption></figcaption></figure>
{% endstep %}

{% step %}

#### Ajouter un nouveau serveur Colab

Après avoir choisi **Colab**, un menu déroulant présentant les options de serveur s’affiche.

1. Cliquez sur **+ Ajouter un nouveau serveur Colab**
2. La première fois, une fenêtre de navigateur peut s’ouvrir pour l’authentification Google
   * Connectez-vous, autorisez l’accès, puis revenez à VS Code

<figure><img src="https://550366147-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FZcDsB2i0aUStIKEeFTvF%2Fcolab_img_4.png?alt=media&amp;token=a7c3642f-db35-4215-933f-99c17ebc92a2" alt="" width="375"><figcaption></figcaption></figure>
{% endstep %}

{% step %}

#### Sélectionnez le GPU et nommez le serveur

1. Définissez **l’accélérateur matériel** sur **GPU**
2. Choisissez un type de GPU (par exemple **T4**, si disponible)
3. Donnez un nom au serveur (comme vous voulez)

<figure><img src="https://550366147-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FLuK8oheihdCNn9MAZSlk%2Fcolab_img_5.png?alt=media&amp;token=e5ed396f-afe2-4c09-b1b8-120c7301793c" alt="" width="375"><figcaption></figcaption></figure>

{% hint style="info" %}
Remarque : la disponibilité des GPU dépend de votre forfait Colab et de la capacité disponible. Si aucune option de GPU ne s’affiche, consultez la section de dépannage ci-dessous.
{% endhint %}
{% endstep %}

{% step %}

#### Choisissez le noyau Python

Une fois connecté au serveur Colab, sélectionnez le noyau **Python** qui apparaît pour cet environnement d’exécution (généralement un noyau Python 3).

<figure><img src="https://550366147-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FBexUiXJ7LRFBXs95tX2S%2Fcolab_img_6.png?alt=media&amp;token=391e343d-d2fa-4a77-8e3f-ef244adfcb4c" alt="" width="375"><figcaption></figcaption></figure>
{% endstep %}

{% step %}

#### Exécutez le notebook

* Cliquez sur **Tout exécuter** dans la barre d’outils du notebook (ou exécutez les cellules de haut en bas)
* Observez les cellules de configuration installer les dépendances, puis lancer le flux de travail Unsloth
* Vous pouvez consulter nos guides dédiés au [réglage fin](https://unsloth.ai/docs/fr/commencer/fine-tuning-llms-guide.md) ou à l’ [apprentissage par renforcement](https://unsloth.ai/docs/fr/commencer/reinforcement-learning-rl-guide.md) pour en savoir plus sur la prise en main d’Unsloth.
  {% endstep %}
  {% endstepper %}

### Tutoriel vidéo

{% embed url="<https://youtu.be/5NNggTrEWNQ>" %}

### Dépannage

#### Après la déconnexion du serveur Colab, le notebook ne s’exécute pas sur un nouveau serveur

**Ce qui se passe :**\
Si le notebook reste ouvert pendant la déconnexion du serveur Colab, VS Code peut se retrouver dans un état instable du noyau/de l’environnement d’exécution après la reconnexion. Problème connexe sur [GitHub](https://github.com/googlecolab/colab-vscode/issues/200).

**Solution :** Fermez complètement l’onglet du notebook, puis ouvrez-le à nouveau.

#### Impossible de sélectionner un GPU (seul le CPU apparaît)

Causes possibles et solutions :

* **Capacité de l’offre gratuite Colab :** Les GPU peuvent être temporairement indisponibles → réessayez plus tard.
* **Vous n’êtes pas réellement connecté à un environnement d’exécution Colab :** vérifiez à nouveau **Sélectionner le noyau → Colab** et vérifiez qu’un serveur Colab est actif.
* **Restrictions ou limites liées au compte ou à la région atteintes :** vous devrez peut-être attendre ou utiliser un autre compte/forfait Google.

#### Tout a fonctionné, mais les packages ont « disparu » après la reconnexion

Les environnements d’exécution Colab sont **éphémères**. Lorsqu’un serveur redémarre, vous devez généralement réexécuter les cellules de configuration et d’installation (souvent les premières cellules du notebook).


---

# 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/install/vs-code.md?ask=<question>&goal=<user_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.
