> 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).

# Installer Unsloth sur Windows

Pour installer Unsloth Desktop sur Windows, suivez les étapes ci-dessous.

{% stepper %}
{% step %}

### Télécharger

### <a href="https://unsloth.ai/download/windows" class="button primary" data-icon="windows">Télécharger Unsloth pour Windows</a>

{% endstep %}

{% step %}

### Installer

1. Ouvrez l’installateur Unsloth (`.exe` fichier)
2. Suivez les invites de configuration
3. Lancez l’application et attendez la fin de l’installation
   {% endstep %}

{% step %}

### Choisir un modèle

Ouvrez Select model ou Model hub, choisissez un modèle et la quantification, puis téléchargez-le. Une fois terminé, commencez à discuter - aucune configuration requise.

<figure><img src="/files/7d958cdf531f0258b53aad7d5d1606f0c0104da3" alt="" width="563"><figcaption></figcaption></figure>
{% endstep %}

{% step %}

### Unsloth est maintenant prêt

Pour commencer à discuter, tapez un message et appuyez sur Entrée.

* **Connecter des outils :** [Claude Code](/docs/fr/bases/claude-code.md), [Codex](/docs/fr/bases/codex.md), recherche web, [MCP](/docs/fr/bases/mcp.md) et plus encore
* **Entraîner des modèles :** Ajustez du texte, de la diffusion, des embeddings et plus encore
* **Générer des médias :** Créez et entraînez des images, des vidéos, du TTS localement

<figure><img src="/files/72464cc7d14358590f32529a470d358e2652fd88" alt="" width="563"><figcaption></figcaption></figure>
{% endstep %}
{% endstepper %}

### Installer Unsloth manuellement

Les sections ci-dessous couvrent la version web **Unsloth Studio** et la version originale basée sur le code **Unsloth Core**.

Pour **Unsloth Core** sur Windows, choisissez Conda, Docker ou WSL ci-dessous. Si PyTorch est déjà installé, `pip install unsloth` peut suffire.

<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 sur Windows dès l’installation :

```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 et les prérequis d’Unsloth Studio, [consultez notre guide](/docs/fr/nouveau/studio/install.md).

Voici les instructions d’installation pour la version originale **Unsloth Core**:

### Méthode #1 - Windows via Conda :

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

Télécharger Anaconda [ici](https://www.anaconda.com/download). Notre सुझाव? Notre suggestion est d’utiliser [Miniconda](https://www.anaconda.com/docs/getting-started/miniconda/install#quickstart-install-instructions). Pour l’utiliser, commencez par ouvrir Powershell - recherchez « Windows Powershell » dans 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, puis 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 « Coller quand même », puis patientez.

<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 ouvrez **Anaconda Powershell Prompt** pour utiliser Miniconda via Démarrer -> Recherchez-le :

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

Vous verrez alors :

<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 recherchez la version de CUDA**

Après avoir saisi `nvidia-smi` dans Powershell, vous devriez voir quelque chose comme ci-dessous. Si vous n’avez pas `nvidia-smi` ou si l’élément ci-dessous 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 en Python via `python` après l’installation de PyTorch :

{% 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 aussi que le premier 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 avoir besoin d’une réinstallation des pilotes CUDA.**
{% endhint %}

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

```bash
pip install unsloth
```

{% endstep %}

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

Utilisez maintenant n’importe quel script dans [Notebooks 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 en 4 bits. False = LoRA 16 bits.
    load_in_8bit = False, # Quantification en 8 bits
    load_in_16bit = False, # LoRA 16 bits
    full_finetuning = False, # À utiliser pour un affinage complet.
    trust_remote_code = False, # Activez cette option pour prendre en charge les nouveaux modèles
    # token = "hf_...", # en utilisez un si vous utilisez des modèles à accès restreint
)

# Appliquez le patch du modèle et ajoutez 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, # Prend en charge toutes les valeurs, mais = 0 est optimisé
    bias = "none",    # Prend en charge toutes les valeurs, mais = "none" est optimisé
    # [NOUVEAU] "unsloth" utilise 30 % de VRAM en moins, ce qui permet des tailles de lot 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 patcher votre ordinateur pour permettre un affinage gratuit 2x plus rapide.
🦥 Unsloth Zoo va maintenant tout patcher pour rendre l’entraînement plus rapide !
==((====))==  Unsloth 2026.1.4 : patching rapide de Gemma3. Transformers : 4.57.6.
   \\   /|    NVIDIA GeForce RTX 3060. Nombre de GPU = 1. Mémoire maximale : 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 libre : 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 - passage à fast eager.
Unsloth : attribution des gradients à `model.base_model.model.model`
Unsloth: Tokenizing ["text"] (num_proc=1):   0%|                 | 0/210289 [00:00<?, ? examples/s]�  Unsloth : va patcher votre ordinateur pour permettre un affinage gratuit 2x plus rapide.
🦥 Unsloth : va patcher votre ordinateur pour permettre un affinage gratuit 2x plus rapide.
```

Et l’entraînement :

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

### Méthode #2 - Docker :

Docker est peut-être le moyen le plus simple pour les utilisateurs de Windows de commencer avec Unsloth, car aucune configuration ni problème de dépendances 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 séparée 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 %}
**Accédez à Jupyter Lab**

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

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

Si vous débutez, suivez notre [Guide de fine-tuning](/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 WSL via [#method-2-wsl](#method-2-wsl "mention")
{% endstep %}
{% endstepper %}

### Méthode #3 - WSL :

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

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

```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 si vous avez déjà installé WSL**</mark>**, entrez dans WSL en tapant `wsl` puis ENTRÉE dans l’invite de commande**

```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` afin que `pip install torch torchvision --force-reinstall --index-url https://download.pytorch.org/whl/cu130 –break-system-packages`
{% endstep %}

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

{% code overflow="wrap" %}

```bash
pip install unsloth jupyter
```

{% endcode %}

Si vous rencontrez des problèmes d’autorisation, utilisez `–-break-system-packages` afin 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 [Notebooks 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 uniquement via WSL ou Linux.
{% endhint %}

### **Dépannage /** Avancé

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

1. Installer `torch` et `triton`. Rendez-vous sur <https://pytorch.org> pour l’installer. Par exemple `pip install torch torchvision torchaudio triton`
2. Confirmez si CUDA est correctement installé. 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` Rendez-vous sur <https://github.com/facebookresearch/xformers>. Une autre option est d’installer `flash-attn` pour les GPU Ampere.
5. Vérifiez à 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 indiquée par nvidia-smi sur le GPU hôte. La prise en charge des conteneurs Docker sous Windows n’est pas automatique. [Vous devez suivre le guide Docker](https://docs.docker.com/desktop/features/gpu/).

### Désinstaller

#### Unsloth Desktop

1. Fermez Unsloth s’il est en cours d’exécution.
2. Ouvrez **Paramètres** dans Windows.
3. Accédez à **Applications** → **Applications installées**.
4. Recherchez **Unsloth**, sélectionnez le menu à trois points, puis choisissez **Désinstaller**.
5. Suivez les invites pour supprimer l’application.

La désinstallation d’Unsloth Desktop ne supprime pas les modèles téléchargés ni vos fichiers.

#### Unsloth Studio (installation manuelle)

La méthode recommandée pour supprimer complètement Unsloth Studio est le script de désinstallation adapté à 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 ; menu Démarrer de Windows + registre + PATH) :

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

#### Désinstallation manuelle

Si vous préférez supprimer uniquement certaines parties :

**1. Supprimer uniquement l’application** (conserve intacts l’historique, les chats, les checkpoints et les exports) :

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

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

* `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 chats, les checkpoints de modèle et les exports. Cela ne peut pas être annulé.
{% endhint %}

**4. Supprimer les raccourcis et 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, puis supprimez l’entrée pointant vers `.unsloth\studio\...\Scripts`.

{% hint style="info" %}
Remarque : les étapes 1 à 5 ne touchent pas aux fichiers de modèle HF que vous avez téléchargés. Voir 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 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 également modifier 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, and the optional `goal` query parameter:

```
GET https://unsloth.ai/docs/fr/commencer/install/windows-installation.md?ask=<question>&goal=<endgoal>
```

`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.