> 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).

# Connecter des fournisseurs d'API et des serveurs de modèles à Unsloth

Apprenez à exécuter des modèles d'OpenAI, Anthropic, Ollama, llama.cpp, vLLM et d'autres fournisseurs via une interface utilisateur locale unique avec [Unsloth](/docs/fr/nouveau/studio.md), un dépôt open source pour exécuter et entraîner des LLM.

{% 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 jetons sans dégradation de la précision) tout en conservant l'accès aux capacités natives du fournisseur, comme la [recherche web](#web-search-and-thinking) et [l'exécution de code](#code-execution).
{% endcolumn %}

{% column %}
{% embed url="<https://github.com/user-attachments/assets/70456395-e016-4273-8256-35adb206267e>" %}
{% endcolumn %}
{% endcolumns %}

### Connexions

Les connexions se répartissent en deux groupes : les fournisseurs d'API hébergées qui exécutent les 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                                                 |
| ---------- | --------------------------------------------------- | -------------------------------------------------------------------- |
| 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 exécutés 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/connecter-llama.cpp-a-unsloth-executer-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 %}

#### Créer l'API

Créez une nouvelle clé API depuis le tableau de bord du fournisseur et copiez-la.

<figure><img src="/files/6b1444df5171e96c26f8d8ffe73d3720aeeba857" alt=""><figcaption></figcaption></figure>
{% endstep %}

{% step %}

#### Configurer Unsloth Studio

Nous allons maintenant devoir 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.

{% tabs %}
{% tab title="macOS" %}

#### Étape 1 : configurer Unsloth

Lancez le `terminal` depuis votre Mac, puis installez Unsloth en saisissant la commande ci-dessous.

```bash
curl -fsSL https://unsloth.ai/install.sh | sh
```

L'environnement et les paquets requis vont maintenant être installés. Tapez `Y` puis appuyez sur Entrée lorsqu'on vous y invite pour continuer. Une fois la configuration terminée, le serveur sera disponible localement sur le port `8888`.

<figure><img src="/files/00ed58c09f9f7e196ffec4cd2a6a281d68dd4280" alt="" width="375"><figcaption></figcaption></figure>

{% hint style="info" %}
Si vous avez sauté le démarrage de l'application pendant l'installation, vous pouvez la lancer plus tard avec `unsloth studio -p 8888`. Pour autoriser les connexions depuis d'autres appareils de votre réseau, utilisez `unsloth studio -H 0.0.0.0 -p 8888` à la place.
{% endhint %}

#### Étape 2 : démarrer Unsloth

Ouvrez le navigateur de votre choix et saisissez `http://127.0.0.1:8888`  dans la barre d'adresse. Si c'est la première fois que vous installez Unsloth, vous serez redirigé vers la page du mot de passe où vous devrez créer un nouveau mot de passe. Vous devriez ensuite voir la page de chat comme ci-dessous.

<figure><img src="/files/b66be28b24e0fe6f62367d4b52ae80b764d865ae" alt="" width="375"><figcaption></figcaption></figure>
{% endtab %}

{% tab title="Windows" %}

#### Étape 1 : configurer Unsloth

Ouvrez le menu Démarrer, recherchez `PowerShell`et lancez-le. Copiez et entrez la commande d'installation :

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

l'installation commencera automatiquement. Une fois l'installation terminée, PowerShell vous demandera si vous souhaitez démarrer Unsloth Studi&#x6F;**.**

<figure><img src="/files/00ed58c09f9f7e196ffec4cd2a6a281d68dd4280" alt="" width="375"><figcaption></figcaption></figure>

Vous pouvez également le lancer avec la commande suivante :

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

{% hint style="info" %}
Si vous souhaitez que votre instance soit accessible par des clients en dehors de votre PC/ordinateur.\
Ajoutez `-H 0.0.0.0` à la `unsloth studio` commande.
{% endhint %}

#### Étape 2 : démarrer Unsloth

Ouvrez `http://127.0.0.1:8888` dans votre navigateur. Au premier lancement, créez un nouveau mot de passe pour continuer vers la page de chat. **Unsloth Studio** est maintenant installé et prêt à être utilisé.

<figure><img src="/files/b66be28b24e0fe6f62367d4b52ae80b764d865ae" alt="" width="375"><figcaption></figcaption></figure>
{% endtab %}

{% tab title="Linux, WSL" %}

#### Étape 1 : configurer Unsloth

{% tabs %}
{% tab title="Linux" %}
Ouvrez votre application de terminal. Vous pouvez la lancer en appuyant sur `Ctrl + Alt + T`, ou en recherchant `Terminal` dans le menu des applications de votre système.
{% endtab %}

{% tab title="WSL" %}
Cliquez sur le menu Démarrer de Windows, tapez le nom de votre distribution installée (par ex. `Ubuntu`), puis ouvrez-la.

{% hint style="warning" %}
Sur **WSL**assurez-vous que vos **pilotes NVIDIA** sont installés sur **Windows** (pas dans WSL) et que le **kit d'outils CUDA** est installé dans votre distribution WSL. Consultez les exigences système ci-dessous pour plus de détails.
{% endhint %}
{% endtab %}
{% endtabs %}

Pour installer, copiez et exécutez la commande d'installation :

```bash
curl -fsSL https://unsloth.ai/install.sh | sh
```

Puis :

1. Cliquez à l'intérieur de la fenêtre du terminal
2. Collez la commande avec `Ctrl + Maj + V`
3. Appuyez sur `Entrée`

Unsloth commencera à configurer l'environnement et à installer les paquets requis comme indiqué ci-dessous. Tapez **Y** et appuyez sur `Entrée` lorsqu'on vous demande si vous souhaitez autoriser Unsloth à démarrer maintenant. Cela lancera Unsloth sur votre **8888** port local.

<figure><img src="/files/91f1a4dc77de4dc01f63fbbe6da63dc852117234" alt=""><figcaption></figcaption></figure>

{% hint style="info" %}
Si vous avez choisi de ne pas démarrer Unsloth pendant le processus d'installation, vous pouvez toujours lancer l'application Unsloth à l'aide de `unsloth studio -p 8888` . Si vous souhaitez que votre instance Unsloth soit accessible par des clients en dehors de votre PC/ordinateur, ajoutez `-H 0.0.0.0` à la `unsloth studio` commande.
{% endhint %}

#### Étape 2 : démarrer Unsloth

Ouvrez le navigateur de votre choix et saisissez `http://127.0.0.1:8888`  dans la barre d'adresse. Si c'est la première fois que vous installez Unsloth, vous serez redirigé vers la page du mot de passe où vous devrez créer un nouveau mot de passe. Ensuite, Unsloth devrait maintenant s'ouvrir sur la page de chat comme ci-dessous.

<figure><img src="/files/11b2aea44d2e2a1873a248975fd5b6ca451553cb" alt="" width="375"><figcaption></figcaption></figure>
{% endtab %}
{% endtabs %}
{% 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 voulez activer, puis cliquez sur enregistrer.&#x20;

<figure><img src="/files/df530d171509031ea81781590fcadfc496e3c563" alt=""><figcaption></figcaption></figure>
{% endstep %}

{% step %}

#### Prêt à discuter

Les modèles que vous avez activés apparaîtront maintenant sous **Connecté** dans le menu déroulant **Sélectionner un modèle** .

<figure><img src="/files/8c2079a8937de1748e929f74d9021b354b7a0b50" alt="" width="563"><figcaption></figcaption></figure>

Unsloth expose dynamiquement des niveaux de raisonnement et des contrôles de génération compatibles pour différents modèles.
{% endstep %}
{% endstepper %}

### Connecter un serveur de modèles

Utilisez ce flux pour [**llama.cpp**](/docs/fr/integrations/connections/connecter-llama.cpp-a-unsloth-executer-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 auquel vous souhaitez vous connecter. &#x20;

{% tabs %}
{% tab title="llama.cpp " %}
Démarrez `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" %}
Démarrez `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 **URL de base**.

* Exemple llama.cpp : `http://localhost:8080/v1`
* Exemple Ollama : `http://localhost:11434/v1`
  {% endcolumn %}

{% column %}

<div data-with-frame="true"><figure><img src="/files/585e33030c2495c534cf3e108171585135da48e4" alt="" width="375"><figcaption></figcaption></figure></div>
{% endcolumn %}
{% endcolumns %}

Cliquez sur **Charger les modèles** pour récupérer les identifiants de modèle disponibles, ou saisissez-les manuellement si votre serveur n'expose pas `/models`.

Puis, 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.\
\
Les 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 depuis les **Exécution de code** paramètres. Sélectionnez le même conteneur dans un nouveau fil pour continuer avec ses fichiers et son état.

<div data-with-frame="true"><figure><img src="/files/b9189053500670039450008c1ac7e9b4a52ffcc9" alt="" width="563"><figcaption></figcaption></figure></div>

### 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 pour 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.

<figure><img src="/files/ba383fce34ff4f8414f62d082fe7d4a954f62a23" alt="" width="375"><figcaption></figcaption></figure>

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 commutateur activé/désactivé, tandis que les modèles à effort de raisonnement utilisent des niveaux de réflexion spécifiques au modèle.

<div data-with-frame="true"><figure><img src="/files/13d313bae2997c0089f52df2852153ce1e52e70e" alt="" width="563"><figcaption></figcaption></figure></div>

### 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 une nouvelle invite 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 maximale.

<div><figure><img src="/files/ac54d5c00a3c800fa87accbf18b78c9493ed96aa" alt=""><figcaption></figcaption></figure> <figure><img src="/files/c13f9580d432538e1749676ffe05ec3542668ed4" alt=""><figcaption></figcaption></figure></div>

### Dépannage

Si un fournisseur ne parvient pas à se connecter, vérifiez que la clé API appartient au fournisseur sélectionné et qu'elle donne 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 quand même 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=<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.