> 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 vous avez déjà PyTorch 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 sur Windows immédiatement :

```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 ci-dessous les instructions d’installation pour le **Unsloth Core**:

### Méthode n°1 - Windows via Conda :

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

Télécharger Anaconda [ici](https://www.anaconda.com/download). Nous vous suggérons 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>

Ensuite, PowerShell s’ouvrira :

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

Ensuite, 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 cliquez sur « Coller quand même », 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 **Anaconda Powershell Prompt** pour utiliser Miniconda via Démarrer -> Recherchez-le :

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

Ensuite, 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 %}
**Vérifiez `nvidia-smi` pour confirmer que vous avez un GPU, et recherchez 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 [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. Changez `130` pour 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` 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 la première valeur est True.

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

{% step %}
**Installez 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 peut avoir besoin d’une réinstallation des pilotes CUDA.**
{% endhint %}

Dans PowerShell (après être sorti de Python via `exit()` , faites cela et attendez :

```bash
pip install unsloth
```

{% endstep %}

{% step %}
**Vérifiez 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-en n’importe quelle pour un contexte long !
    load_in_4bit = True,  # Quantification en 4 bits. False = LoRA en 16 bits.
    load_in_8bit = False, # Quantification en 8 bits
    load_in_16bit = False, # LoRA en 16 bits
    full_finetuning = False, # À utiliser pour un fine-tuning complet.
    trust_remote_code = False, # Activez pour prendre en charge les nouveaux modèles
    # token = "hf_...", # en utilisez un si vous utilisez des modèles protégés
)

# Applique le patch au modèle et ajoute des 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 n’importe quelle valeur, mais = 0 est optimisé
    bias = "none",    # Prend en charge n’importe quelle valeur, mais = "none" est optimisé
    # [NOUVEAU] "unsloth" utilise 30 % de VRAM en moins, 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 avec stabilisation du rang
    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 activer un fine-tuning 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 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 : mise en place de `model.base_model.model.model` pour exiger des gradients
Unsloth : Tokenizing ["text"] (num_proc=1):   0%|                 | 0/210289 [00:00<?, ? examples/s]�  Unsloth : va patcher votre ordinateur pour activer un fine-tuning gratuit 2x plus rapide.
🦥 Unsloth : va patcher votre ordinateur pour activer un fine-tuning 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 de 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 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**

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

{% step %}
**Commencez à entraîner avec Unsloth**

Si vous débutez, suivez notre guide [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 de faire du WSL via [#method-2-wsl](#method-2-wsl "mention")
{% endstep %}
{% endstepper %}

### Méthode n°3 - WSL :

{% stepper %}
{% step %}
**Installez 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 %}
**Installez 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 %}
**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` afin que `pip install unsloth jupyter –-break-system-packages`
{% endstep %}

{% step %}
**Lancez 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, à l’heure actuelle 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. Installez `torch` et `triton`. Allez sur <https://pytorch.org> pour l’installer. Par exemple `pip install torch torchvision torchaudio triton`
2. Vérifiez 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. Installez `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 bien que vos versions de Python, CUDA, CUDNN, `torch`, `triton`et `xformers` sont compatibles entre elles. Le [tableau 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 le GPU hôte. La prise en charge des conteneurs Docker sur Windows n’est pas automatique. [Vous devez suivre le guide de Docker](https://docs.docker.com/desktop/features/gpu/).

### Désinstallation

La manière recommandée de supprimer complètement Unsloth Studio est d'utiliser le script de désinstallation correspondant à votre OS. 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 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 l'historique, les discussions, les points de contrôle et les exportations intacts) :

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

**2. Supprimer complètement Unsloth** (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 discussions, les points de contrôle du modèle et les exportations. Cela ne peut pas être annulé.
{% 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) :** Le programme d'installation a ajouté le `Scripts` répertoire au PATH de votre utilisateur. Pour le supprimer, ouvrez Paramètres → Système → À propos → Paramètres système avancés → Variables d'environnement, puis recherchez `Path` sous Variables utilisateur, et 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 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 d'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. Sur 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.