> 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/windows-installation.md).

# Comment fine-tuner des LLM sur Windows avec Unsloth (guide étape par étape)

Vous pouvez désormais affiner des modèles directement sur votre appareil Windows local sans WSL en utilisant [Unsloth](https://github.com/unslothai/unsloth). Pour ce guide, il existe 3 méthodes principales que vous pouvez utiliser ([Conda](#method-1-windows-via-conda), [Docker](#method-2-docker) et [WSL](#method-3-wsl)).\
Si PyTorch est déjà installé sur Windows, `pip install unsloth` devrait fonctionner. Sinon, suivez nos guides ci-dessous :

<a href="/pages/897f358231280f27c42fdd0fe983b7be0dd75dfc#method-1-windows-via-conda" class="button secondary">Tutoriel Conda</a><a href="/pages/897f358231280f27c42fdd0fe983b7be0dd75dfc#method-2-docker" class="button secondary">Tutoriel Docker</a><a href="/pages/897f358231280f27c42fdd0fe983b7be0dd75dfc#method-3-wsl" class="button secondary">Tutoriel WSL</a>

### Unsloth Studio

Nous avons lancé une nouvelle interface web appelée [Unsloth Studio](/docs/fr/nouveau/studio/install.md) qui fonctionne nativement sur Windows :

```bash
irm https://unsloth.ai/install.ps1 | iex
```

Utilisez la même commande pour mettre à jour.

Puis pour lancer à chaque fois :

```bash
unsloth studio -H 0.0.0.0 -p 8888
```

Pour des instructions d’installation détaillées d’Unsloth Studio et les prérequis, [consultez notre guide](/docs/fr/nouveau/studio/install.md).

Vous trouverez ci-dessous les instructions d’installation pour l’original **Unsloth Core**:

### Méthode n°1 - Windows via Conda :

{% stepper %}
{% step %}
**Installez Miniconda (ou Anaconda)**

Télécharger Anaconda [ici](https://www.anaconda.com/download). Nous vous conseillons d’utiliser [Miniconda](https://www.anaconda.com/docs/getting-started/miniconda/install#quickstart-install-instructions). Pour l’utiliser, ouvrez d’abord Powershell - recherchez "Windows Powershell" dans le menu Démarrer :

<figure><img src="/files/90842dedf8b6468877928c76d77c08821eb58d0b" alt="" width="375"><figcaption></figcaption></figure>

Puis Powershell s’ouvrira :

<figure><img src="/files/34d128a79a0c98eb432ec4a65dba8a2e7891b337" alt="" width="375"><figcaption></figcaption></figure>

Puis copiez-collez ce qui suit : CTRL+C, et collez-le dans Powershell avec CTRL+V :

{% code overflow="wrap" %}

```ps
Invoke-WebRequest -Uri "https://repo.anaconda.com/miniconda/Miniconda3-latest-Windows-x86_64.exe" -OutFile ".\miniconda.exe"
Start-Process -FilePath ".\miniconda.exe" -ArgumentList "/S" -Wait
del .\miniconda.exe
```

{% endcode %}

Acceptez l’avertissement et appuyez sur "Paste anyway" puis attendez.

<figure><img src="/files/325922e8d495be69f4c1eb4cb988b663640e99b2" alt="" width="375"><figcaption></figcaption></figure>

Il télécharge l’installateur comme ci-dessous :

<figure><img src="/files/82cbafdefa1e650d620a29b9ad33053176422f91" alt="" width="375"><figcaption></figcaption></figure>

Après l’installation, ouvrez open **Anaconda Powershell Prompt** pour utiliser Miniconda via Démarrer -> recherchez-le :

<figure><img src="/files/a4aaf42f51f81a1e2b71de38ad1aed5bac7553b8" alt="" width="375"><figcaption></figcaption></figure>

Puis vous verrez :

<figure><img src="/files/f52c267e3549e418f830365c9f148ca1d2905742" alt="" width="375"><figcaption></figcaption></figure>
{% endstep %}

{% step %}
**Créer un environnement conda**

```bash
conda create --name unsloth_env python==3.12 -y
conda activate unsloth_env
```

**Vous verrez :**

<figure><img src="/files/ae2a6f146141140ec3b4cde39388382bb5a77c68" alt="" width="375"><figcaption></figcaption></figure>
{% endstep %}

{% step %}
**Vérifier `nvidia-smi` pour confirmer que vous avez un GPU, et repérez la version de CUDA**

Après avoir tapé `nvidia-smi` dans Powershell, vous devriez voir quelque chose comme ci-dessous. Si vous n’avez pas `nvidia-smi` ou si ce qui suit ne s’affiche pas, vous devez réinstaller [les pilotes NVIDIA](https://www.nvidia.com/en-us/drivers/).

<figure><img src="/files/5d34640d662e5e38eb176c4569a044462a1a71d0" alt="" width="375"><figcaption></figcaption></figure>
{% endstep %}

{% step %}
**Installer PyTorch**

Lors de l’exécution de `nvidia-smi` vous verrez en haut à droite : "CUDA Version: 13.0". Installez PyTorch dans PowerShell via. Remplacez `130` par votre version de CUDA - assurez-vous que la [version existe](https://pytorch.org/) et correspond à la version de votre pilote CUDA.

{% code overflow="wrap" %}

```bash
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu130
```

{% endcode %}

Vous verrez :

<figure><img src="/files/67a9df327e788af0c985dba0533ef3c055013a8e" alt="" width="563"><figcaption></figcaption></figure>

Essayez d’exécuter ceci dans Python via `python` une fois PyTorch installé :

{% code overflow="wrap" %}

```python
import torch
print(torch.cuda.is_available())
A = torch.ones((10, 10), device = "cuda")
B = torch.ones((10, 10), device = "cuda")
A @ B
```

{% endcode %}

Vous devriez voir une matrice de 10. Vérifiez également que la première valeur est True.

<figure><img src="/files/20f92487f8005b9f55dd113008f28208c96406c6" alt="" width="375"><figcaption></figcaption></figure>
{% endstep %}

{% step %}
**Installer Unsloth (uniquement si PyTorch fonctionne !)**

{% hint style="danger" %}
**Confirmez que PyTorch fonctionne correctement et s’exécute - sinon PyTorch est cassé et cela signifie malheureusement que votre machine Windows pourrait nécessiter une réinstallation des pilotes CUDA.**
{% endhint %}

Dans Powershell (après avoir quitté Python via `exit()` , faites-le et attendez :

```bash
pip install unsloth
```

{% endstep %}

{% step %}
**Vérifier qu’Unsloth fonctionne**

Utilisez maintenant n’importe quel script dans [Carnets Unsloth](/docs/fr/commencer/unsloth-notebooks.md) (enregistrez-le dans un fichier .py), ou utilisez le script de base ci-dessous :

{% code expandable="true" %}

```python
from unsloth import FastLanguageModel, FastModel
import torch
from trl import SFTTrainer, SFTConfig
from datasets import load_dataset
max_seq_length = 512
url = "https://huggingface.co/datasets/laion/OIG/resolve/main/unified_chip2.jsonl"
dataset = load_dataset("json", data_files = {"train" : url}, split = "train")

model, tokenizer = FastLanguageModel.from_pretrained(
    model_name = "unsloth/gemma-3-270m-it",
    max_seq_length = max_seq_length, # Choisissez n’importe quelle valeur pour un long contexte !
    load_in_4bit = True,  # Quantification 4 bits. False = LoRA 16 bits.
    load_in_8bit = False, # Quantification 8 bits
    load_in_16bit = False, # LoRA 16 bits
    full_finetuning = False, # À utiliser pour un affinement complet.
    trust_remote_code = False, # Activez pour prendre en charge les nouveaux modèles
    # token = "hf_...", # utilisez-en un si vous utilisez des modèles à accès restreint
)

# Appliquer le patch au modèle et ajouter les poids LoRA rapides
model = FastLanguageModel.get_peft_model(
    model,
    r = 16,
    target_modules = ["q_proj", "k_proj", "v_proj", "o_proj",
                      "gate_proj", "up_proj", "down_proj",],
    lora_alpha = 16,
    lora_dropout = 0, # Compatible avec toutes les valeurs, mais = 0 est optimisé
    bias = "none",    # Compatible avec toutes les valeurs, mais = "none" est optimisé
    # [NOUVEAU] "unsloth" utilise 30 % de VRAM en moins, permet des tailles de lots 2x plus grandes !
    use_gradient_checkpointing = "unsloth", # True ou "unsloth" pour un contexte très long
    random_state = 3407,
    max_seq_length = max_seq_length,
    use_rslora = False,  # Nous prenons en charge LoRA à rang stabilisé
    loftq_config = None, # Et LoftQ
)

trainer = SFTTrainer(
    model = model,
    train_dataset = dataset,
    tokenizer = tokenizer,
    args = SFTConfig(
        max_seq_length = max_seq_length,
        per_device_train_batch_size = 2,
        gradient_accumulation_steps = 4,
        warmup_steps = 10,
        max_steps = 60,
        logging_steps = 1,
        output_dir = "outputs",
        optim = "adamw_8bit",
        seed = 3407,
        dataset_num_proc = 1,
    ),
)
trainer.train()
```

{% endcode %}

Vous devriez voir :

```bash
🦥 Unsloth : va modifier votre ordinateur pour activer un affinement gratuit 2x plus rapide.
🦥 Unsloth Zoo va maintenant tout modifier pour accélérer l’entraînement !
==((====))==  Unsloth 2026.1.4 : patch rapide de Gemma3. Transformers : 4.57.6.
   \\   /|    NVIDIA GeForce RTX 3060. Nombre de GPU = 1. Mémoire max : 12.0 Go. Plateforme : Windows.
O^O/ \_/ \    Torch : 2.10.0+cu130. CUDA : 8.6. Kit d’outils CUDA : 13.0. Triton : 3.6.0
\        /    Bfloat16 = TRUE. FA [Xformers = 0.0.34. FA2 = False]
 "-____-"     Licence gratuite : http://github.com/unslothai/unsloth
Unsloth : le téléchargement rapide est activé - ignorez les barres de téléchargement rouges !
Unsloth : Gemma3 ne prend pas en charge SDPA - bascule vers fast eager.
Unsloth : rendu `model.base_model.model.model` nécessitant des gradients
Unsloth : Tokenizing ["text"] (num_proc=1):   0%|                 | 0/210289 [00:00<?, ? examples/s]�  Unsloth : va modifier votre ordinateur pour activer un affinement gratuit 2x plus rapide.
🦥 Unsloth : va modifier votre ordinateur pour activer un affinement gratuit 2x plus rapide.
```

Et l’entraînement :

<figure><img src="/files/854cd18a3e42dc573da86030f2e5cebb2567ab8b" alt="" width="375"><figcaption></figcaption></figure>
{% endstep %}
{% endstepper %}

### Méthode n°2 - Docker :

Docker est peut-être le moyen le plus simple pour les utilisateurs Windows de commencer avec Unsloth car aucune configuration ni aucun problème de dépendance n’est nécessaire. [**`unsloth/unsloth`**](https://hub.docker.com/r/unsloth/unsloth) est la seule image Docker d’Unsloth. Pour [Blackwell](/docs/fr/blog/fine-tuning-llms-with-blackwell-rtx-50-series-and-unsloth.md) et les GPU de série 50, utilisez cette même image - aucune image distincte n’est nécessaire.

Pour les instructions d’installation, veuillez suivre notre [guide Docker](/docs/fr/blog/how-to-fine-tune-llms-with-unsloth-and-docker.md), sinon voici un guide de démarrage rapide :

{% stepper %}
{% step %}
**Installez Docker et NVIDIA Container Toolkit.**

Installez Docker via [Linux](https://docs.docker.com/engine/install/) ou [Desktop](https://docs.docker.com/desktop/) (autre). Puis installez [NVIDIA Container Toolkit](https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/latest/install-guide.html#installation):

```bash
export NVIDIA_CONTAINER_TOOLKIT_VERSION=1.17.8-1
sudo apt-get update && sudo apt-get install -y \\
  nvidia-container-toolkit=${NVIDIA_CONTAINER_TOOLKIT_VERSION} \\
  nvidia-container-toolkit-base=${NVIDIA_CONTAINER_TOOLKIT_VERSION} \\
  libnvidia-container-tools=${NVIDIA_CONTAINER_TOOLKIT_VERSION} \\
  libnvidia-container1=${NVIDIA_CONTAINER_TOOLKIT_VERSION}
```

{% endstep %}

{% step %}
**Exécutez le conteneur.**

[**`unsloth/unsloth`**](https://hub.docker.com/r/unsloth/unsloth) est la seule image Docker d’Unsloth.

```bash
docker run -d -e JUPYTER_PASSWORD="mypassword" \\
  -p 8888:8888 -p 2222:22 \\
  -v $(pwd)/work:/workspace/work \\
  --gpus all \\
  unsloth/unsloth
```

{% endstep %}

{% step %}
**Accéder à Jupyter Lab**

Allez à [http://localhost:8888](http://localhost:8888/) et ouvrez Unsloth. Accédez aux `onglets unsloth-notebooks` pour voir les notebooks Unsloth.
{% endstep %}

{% step %}
**Commencer l’entraînement avec Unsloth**

Si vous débutez, suivez notre guide pas à pas [Guide d’affinement](/docs/fr/commencer/fine-tuning-llms-guide.md), [Guide RL](/docs/fr/commencer/reinforcement-learning-rl-guide.md) ou enregistrez/copiez simplement l’un de nos [notebooks](/docs/fr/commencer/unsloth-notebooks.md).
{% endstep %}

{% step %}
**Problèmes Docker - GPU non détecté ?**

Essayez d’utiliser WSL via [#method-2-wsl](#method-2-wsl "mention")
{% endstep %}
{% endstepper %}

### Méthode n°3 - WSL :

{% stepper %}
{% step %}
**Installer WSL**

Ouvrez l’Invite de commandes, le Terminal, et installez Ubuntu. Définissez le mot de passe si demandé.

```bash
wsl.exe --install Ubuntu-24.04
wsl.exe -d Ubuntu-24.04
```

{% endstep %}

{% step %} <mark style="color:$primary;background-color:orange;">**Si vous n’avez PAS fait (1), donc vous avez déjà installé WSL**</mark>**, entrez dans WSL en tapant `wsl` et ENTRÉE dans l’invite de commandes**

```bash
wsl
```

{% endstep %}

{% step %}
**Installer Python**

{% code overflow="wrap" %}

```bash
sudo apt update
sudo apt install python3 python3-full python3-pip python3-venv -y
```

{% endcode %}
{% endstep %}

{% step %}
**Installer PyTorch**

{% code overflow="wrap" %}

```bash
pip install torch torchvision --force-reinstall --index-url https://download.pytorch.org/whl/cu130
```

{% endcode %}

Si vous rencontrez des problèmes d’autorisation, utilisez `–break-system-packages` pour que `pip install torch torchvision --force-reinstall --index-url https://download.pytorch.org/whl/cu130 –break-system-packages`
{% endstep %}

{% step %}
**Installez Unsloth et Jupyter Notebook**

{% code overflow="wrap" %}

```bash
pip install unsloth jupyter
```

{% endcode %}

Si vous rencontrez des problèmes d’autorisation, utilisez `–-break-system-packages` pour que `pip install unsloth jupyter –-break-system-packages`
{% endstep %}

{% step %}
**Lancer Unsloth via Jupyter Notebook**

{% code overflow="wrap" %}

```bash
jupyter notebook
```

{% endcode %}

Puis ouvrez nos notebooks dans [Carnets Unsloth](/docs/fr/commencer/unsloth-notebooks.md)et chargez-les ! Vous pouvez aussi aller dans les notebooks Colab et télécharger > télécharger .ipynb, puis les charger.

![](/files/a724ef997c60e3aee78efcd8d9e3ac4458412bba)
{% endstep %}
{% endstepper %}

{% hint style="warning" %}
Si vous utilisez GRPO ou prévoyez d’utiliser vLLM, actuellement vLLM ne prend pas en charge Windows directement mais seulement via WSL ou Linux.
{% endhint %}

### **Dépannage /** Avancé

Pour **des instructions d’installation avancées** ou si vous voyez des erreurs étranges pendant l’installation :

1. Installer `torch` et `triton`. Allez sur <https://pytorch.org> pour l’installer. Par exemple `pip install torch torchvision torchaudio triton`
2. Vérifiez que CUDA est installé correctement. Essayez `nvcc`. Si cela échoue, vous devez installer `cudatoolkit` ou les pilotes CUDA.
3. Si vous utilisez un GPU Intel, vous devrez suivre notre [guide Windows Intel](/docs/fr/commencer/install/intel.md#windows-only-runtime-configurations)
4. Installer `xformers` manuellement. Vous pouvez essayer d’installer `vllm` et voir si `vllm` réussit. Vérifiez si `xformers` a réussi avec `python -m xformers.info` Allez sur <https://github.com/facebookresearch/xformers>. Une autre option est d’installer `flash-attn` pour les GPU Ampere.
5. Vérifiez de nouveau que vos versions de Python, CUDA, CUDNN, `torch`, `triton`, et `xformers` sont compatibles entre elles. La [matrice de compatibilité PyTorch](https://github.com/pytorch/pytorch/blob/main/RELEASE.md#release-compatibility-matrix) peut être utile.
6. Enfin, installez `bitsandbytes` et vérifiez-le avec `python -m bitsandbytes`
7. Si Unsloth ne détecte pas ou n’utilise pas votre GPU et si vous utilisez notre conteneur Docker sur Windows, votre version du kit d’outils CUDA `nvcc --version` doit correspondre à la version de CUDA affichée par nvidia-smi sur l’hôte. La prise en charge des GPU pour les conteneurs Docker sous Windows n’est pas automatique. [Vous devez suivre le guide de Docker](https://docs.docker.com/desktop/features/gpu/).

### Désinstaller

La meilleure façon de supprimer complètement Unsloth Studio est le script de désinstallation pour votre système d’exploitation. Il arrête tous les serveurs en cours d’exécution, supprime l’application, la commande CLI, les données du lanceur, les raccourcis et les entrées spécifiques à la plateforme (macOS `.app` bundle + Launch Services ; Windows Menu Démarrer + registre + PATH) :

```ps1
irm https://raw.githubusercontent.com/unslothai/unsloth/main/scripts/uninstall.ps1 | iex 
```

#### Désinstallation manuelle

Si vous préférez supprimer seulement certaines parties :

**1. Supprimer uniquement l’application** (conserve l’historique, les conversations, les points de contrôle et les exportations intacts) :

* `Remove-Item -Recurse -Force "$HOME\.unsloth\studio\unsloth_studio"`

**2. Supprimer Studio entièrement** (conserve les autres outils Unsloth intacts) :

* `Remove-Item -Recurse -Force "$HOME\.unsloth\studio"`

**3. Supprimer tout ce qui est lié à Unsloth :**

* `Remove-Item -Recurse -Force "$HOME\.unsloth"`

{% hint style="warning" %}
Remarque : l’étape 3 supprime tout l’historique, les conversations, les points de contrôle du modèle et les exportations. Cela est irréversible.
{% endhint %}

**4. Supprimer les raccourcis et les liens symboliques :**

```shellscript
Remove-Item -Force "$HOME\Desktop\Unsloth Studio.lnk"
Remove-Item -Force "$env:APPDATA\Microsoft\Windows\Start Menu\Programs\Unsloth Studio.lnk"
```

**5. Supprimer la commande CLI :**

* **Windows (PowerShell) :** L’installateur a ajouté le répertoire `Scripts` du venv à votre PATH utilisateur. Pour le supprimer, ouvrez Paramètres → Système → À propos → Paramètres système avancés → Variables d’environnement, recherchez `Path` dans Variables utilisateur, et supprimez l’entrée pointant vers `.unsloth\studio\...\Scripts`.

{% hint style="info" %}
Remarque : les étapes 1 à 5 ne touchent pas vos fichiers de modèle HF téléchargés. Voir la section Suppression des fichiers de modèle HF mis en cache ci-dessous si vous souhaitez récupérer cet espace.
{% endhint %}

### **Suppression des fichiers de modèle HF mis en cache**

Vous pouvez supprimer les anciens fichiers de modèle soit depuis l’icône de corbeille dans la recherche de modèles, soit en supprimant le dossier de modèle mis en cache correspondant dans le répertoire de cache Hugging Face par défaut. Par défaut, Hugging Face utilise `~/.cache/huggingface/hub/` sur macOS/Linux/WSL et `C:\Users\<username>\.cache\huggingface\hub\` sur Windows.

* **Windows :** `%USERPROFILE%\.cache\huggingface\hub\`

Si `HF_HUB_CACHE` ou `HF_HOME` est défini, utilisez cet emplacement à la place. Sous Linux et WSL, `XDG_CACHE_HOME` peut aussi changer la racine de cache par défaut.


---

# 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/install/windows-installation.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.