> 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/integrations/connections.md). # Connectez des fournisseurs d'API et des serveurs de modèles à Unsloth Découvrez comment exécuter des modèles d’OpenAI, Anthropic, Ollama, llama.cpp, vLLM et d’autres fournisseurs via une seule interface utilisateur locale avec [Unsloth](/docs/fr/desktop.md), un dépôt open source pour exécuter et entraîner des LLM. Vous pouvez également connecter votre abonnement ChatGPT/Codex directement à Unsloth. Que votre modèle s’exécute via l’inférence d’Unsloth ou via votre propre point de terminaison distant compatible OpenAI, vous pouvez lui donner accès à toute la suite d’outils d’Unsloth, notamment la recherche web, l’exécution de code, la recherche approfondie, et bien plus encore. {% columns %} {% column %} Une fois connecté, vous pouvez exécuter des modèles avec exécution de code, appel d’outils, génération d’images et d’autres fonctionnalités dans la même interface de chat Unsloth utilisée à la fois pour les modèles locaux et cloud. Unsloth prend en charge de manière unique [la mise en cache des prompts](#prompt-caching) (pour vous faire économiser de nombreux tokens sans dégradation de la précision) tout en conservant l’accès aux capacités natives du fournisseur, telles que la fonction intégrée d’OpenAI [recherche web](#web-search-and-thinking) et [exécution de code](#code-execution). {% endcolumn %} {% column %} {% embed url="" %} {% endcolumn %} {% endcolumns %} ### Connexions Les connexions se répartissent en deux groupes : les fournisseurs d’API hébergées qui exécutent des modèles pour vous, et les serveurs de modèles que vous exécutez ou contrôlez. **Fournisseurs cloud -** API hébergées qui utilisent une clé API de compte : | Connexion | Fonctionnalités | Guide d’installation | | --------------- | --------------------------------------------------- | -------------------------------------------------------------------- | | ChatGPT / Codex | Image, recherche, code, réflexion | [OpenAI →](/docs/fr/integrations/connections/openai.md) | | OpenAI | Image, recherche, code, réflexion | [OpenAI →](/docs/fr/integrations/connections/openai.md) | | Anthropic | Image, recherche, code, réflexion | [Anthropic →](/docs/fr/integrations/connections/anthropic-claude.md) | | OpenRouter | De nombreux modèles hébergés via une seule clé API. | [OpenRouter →](/docs/fr/integrations/connections/openrouter.md) | **Serveurs de modèles -** Serveurs d’inférence s’exécutant localement, sur votre réseau ou sur votre machine distante : | Serveur | Description | Guide | | --------- | -------------------------------- | --------------------------------------------------------------------------------------------------------------------- | | Llama.cpp | Service efficace de modèles GGUF | [Llama.cpp →](/docs/fr/integrations/connections/connectez-llama.cpp-a-unsloth-executez-des-gguf-avec-llama-server.md) | | vLLM | Service à haut débit | [vLLM →](/docs/fr/integrations/connections/vllm.md) | | Ollama | Serveur de modèles local simple | [Ollama →](/docs/fr/integrations/connections/ollama.md) | ### Démarrage rapide Pour exécuter le modèle d’un fournisseur externe, ajoutez une clé API et sélectionnez les modèles qu’Unsloth doit afficher. Dans cet exemple, nous utiliserons [OpenAI](https://platform.openai.com/api-keys). La même configuration fonctionne pour Anthropic et d’autres fournisseurs. {% stepper %} {% step %} #### Configurer Unsloth Le moyen le plus simple de commencer est d’installer l’application [Unsloth Desktop](/docs/fr/desktop.md) . Elle prend en charge [macOS](/docs/fr/commencer/install/mac.md), Linux, [Windows](/docs/fr/commencer/install/windows-installation.md), [NVIDIA](/docs/fr/commencer/install/pip-install.md), [AMD](/docs/fr/commencer/install/amd.md), les configurations Intel et CPU. Télécharger Unsloth * :apple: [Télécharger pour macOS](https://unsloth.ai/download/mac) * :windows: [Télécharger pour Windows](https://unsloth.ai/download/windows) * :linux: [Télécharger pour Linux](https://unsloth.ai/download/linux) Ou, si vous préférez l’installation manuelle : **macOS, Linux, WSL :** ```bash curl -fsSL https://unsloth.ai/install.sh | sh ``` **Windows PowerShell :** ```bash irm https://unsloth.ai/install.ps1 | iex ``` [Voir ici](/docs/fr/desktop.md#get-started) pour des instructions plus détaillées {% endstep %} {% step %} #### Créer une API Créez une nouvelle clé API depuis le tableau de bord du fournisseur et copiez-la.
{% endstep %} {% step %} #### Configurer Unsloth Nous devons maintenant installer et configurer [Unsloth](/docs/fr/nouveau/studio.md), ce qui vous permettra d’exécuter les modèles cloud dans une interface utilisateur. [Voir ici](/docs/fr/nouveau/studio/install.md) pour des instructions plus détaillées. {% endstep %} {% step %} #### Configurer les connexions Ensuite, connectez votre fournisseur à Unsloth. 1. Ouvrez **Paramètres** → **Connexions**, puis cliquez sur **Ajouter une connexion.** 2. Sélectionnez le fournisseur que vous souhaitez ajouter, puis collez la clé API que vous avez copiée précédemment. 3. Cliquez sur **Recharger les modèles** pour actualiser la liste avec les modèles disponibles pour votre compte. 4. Choisissez les modèles que vous souhaitez activer, puis cliquez sur enregistrer.
{% endstep %} {% step %} #### Prêt à discuter Les modèles que vous avez activés apparaîtront maintenant sous **Connecté** dans le menu déroulant **Sélectionner un modèle** .
Unsloth expose dynamiquement les niveaux de raisonnement compatibles et les contrôles de génération pour différents modèles. {% endstep %} {% endstepper %} ### Connecter un serveur de modèles Utilisez ce flux pour [**llama.cpp**](/docs/fr/integrations/connections/connectez-llama.cpp-a-unsloth-executez-des-gguf-avec-llama-server.md), [**vLLM**](/docs/fr/integrations/connections/vllm.md), et [**Ollama**](/docs/fr/integrations/connections/ollama.md). Démarrez ou localisez le serveur que vous souhaitez connecter. {% tabs %} {% tab title="llama.cpp " %} Démarrer `llama-server` avec le modèle que vous souhaitez servir : ```bash llama-server \ --model /path/to/model.gguf \ --host 0.0.0.0 \ --port 8080 ``` Cela expose un point de terminaison API à : `http://localhost:8080/v1` Pour exiger une clé API, ajoutez : ```bash --api-key 1234-myapi-key ``` {% endtab %} {% tab title="vLLM" %} Démarrez le `vLLM` serveur avec le modèle que vous souhaitez servir : ```bash vllm serve unsloth/gemma-4-26B-A4B-it \ --dtype auto \ ``` Pour exiger une clé API, ajoutez : ```bash --api-key token-abc123 ``` Cela expose un point de terminaison API à : `http://localhost:8000/v1` {% endtab %} {% tab title="Ollama" %} Démarrer `Ollama`, puis récupérez le modèle que vous souhaitez utiliser : ```bash ollama serve ollama pull qwen3:14b ``` Cela expose un point de terminaison API à : `http://localhost:11434/v1` {% endtab %} {% endtabs %} {% columns %} {% column %} Nous pouvons maintenant connecter le serveur de modèles. Ouvrez **Paramètres → Connexions**, puis cliquez sur **Ajouter un fournisseur**. Sélectionnez llama.cpp, vLLM ou Ollama, puis collez le serveur **URL de base**. * Exemple llama.cpp : `http://localhost:8080/v1` * Exemple Ollama : `http://localhost:11434/v1` {% endcolumn %} {% column %}
{% endcolumn %} {% endcolumns %} Cliquez sur **Charger les modèles** pour récupérer les identifiants des modèles disponibles, ou saisissez-les manuellement si votre serveur n’expose pas `/models`. Ensuite, après avoir cliqué sur **Ajouter un fournisseur,** Les modèles que vous avez activés apparaîtront maintenant sous **Externe** dans le menu déroulant **Sélectionner un modèle** . ### Exécution de code Lorsqu’elle est activée, les modèles OpenAI et Anthropic pris en charge peuvent exécuter du code dans un bac à sable du fournisseur pour résoudre des problèmes, analyser des données et travailler avec des fichiers.\n\nLes modèles Anthropic utilisent l’outil d’exécution de code côté fournisseur de Claude. OpenAI utilise des conteneurs réutilisables, que vous pouvez créer, supprimer et sélectionner dans **Exécution de code** les paramètres. Sélectionnez le même conteneur dans un nouveau fil pour continuer avec ses fichiers et son état.
### Mise en cache des prompts La mise en cache des prompts réduit la latence et le coût lorsque les requêtes réutilisent le même long préfixe. Elle est prise en charge par les fournisseurs et serveurs compatibles, notamment OpenAI, Anthropic et llama.cpp. Utilisez le **paramètre de mise en cache des prompts** dans le panneau latéral pour contrôler le comportement du cache pour les connexions prises en charge.
Pour llama.cpp, la mise en cache des prompts est activée par défaut et peut être désactivée au démarrage `llama-server` avec : ```bash --no-cache-prompt ``` ### Recherche web et réflexion La recherche web côté fournisseur est disponible pour les modèles pris en charge d’OpenAI, Anthropic, OpenRouter, Mistral, Gemini et Kimi. Le contrôle Think s’adapte au modèle sélectionné : certains modèles utilisent un interrupteur marche/arrêt, tandis que les modèles à effort de raisonnement utilisent des niveaux de réflexion spécifiques au modèle.
### Génération d’images Tout comme GPT et Gemini, Unsloth prend également en charge la génération d’images. Vous pouvez modifier directement une image en cliquant sur le bouton « Modifier l’image » et en saisissant un nouveau prompt pour l’affiner ou la régénérer. Les images sont générées automatiquement lorsqu’elles sont demandées, mais vous pouvez désactiver ce comportement. Un bouton de téléchargement est également disponible, vous permettant d’enregistrer l’image dans sa résolution d’origine complète.
### Dépannage Si un fournisseur ne parvient pas à se connecter, vérifiez que la clé API appartient au fournisseur sélectionné et qu’elle a accès au modèle que vous avez choisi. Si un modèle n’apparaît pas après avoir cliqué sur **Recharger les modèles**, il se peut qu’il ne soit pas disponible pour votre compte. Vous pouvez toujours utiliser la liste de modèles par défaut d’Unsloth ou choisir un autre modèle. --- # 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/integrations/connections.md?ask=&goal= ``` `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.