> 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/notions-de-base.md).

# Notions de base

- [GGUF dynamiques 3.0 d'Unsloth](https://unsloth.ai/docs/fr/notions-de-base/dynamic-3.0-ggufs.md)
- [GGUF dynamiques d'Unsloth sur Aider Polyglot](https://unsloth.ai/docs/fr/notions-de-base/dynamic-3.0-ggufs/unsloth-dynamic-ggufs-on-aider-polyglot.md): Performances des GGUF dynamiques d'Unsloth sur les benchmarks Aider Polyglot
- [Comment utiliser Unsloth comme point de terminaison d'API](https://unsloth.ai/docs/fr/notions-de-base/api.md)
- [Comment servir des LLM locaux partout : accès distant sécurisé avec Cloudflare et Unsloth](https://unsloth.ai/docs/fr/notions-de-base/comment-servir-des-llm-locaux-partout-acces-distant-securise-avec-cloudflare-et-unsloth.md)
- [Comment servir des modèles d’IA locaux depuis n’importe quel appareil de votre réseau avec l’accès LAN d’Unsloth](https://unsloth.ai/docs/fr/notions-de-base/lan.md)
- [Utilisation du navigateur avec des LLM locaux](https://unsloth.ai/docs/fr/notions-de-base/browser-use.md): Utilisez des modèles locaux pour naviguer sur des sites web et effectuer des tâches dans le navigateur intégré.
- [Inférence et déploiement](https://unsloth.ai/docs/fr/notions-de-base/inference-and-deployment.md): Découvrez comment enregistrer votre modèle fine-tuné afin de pouvoir l'exécuter dans votre moteur d'inférence préféré.
- [Enregistrer en GGUF](https://unsloth.ai/docs/fr/notions-de-base/inference-and-deployment/saving-to-gguf.md)
- [Décodage spéculatif](https://unsloth.ai/docs/fr/notions-de-base/inference-and-deployment/saving-to-gguf/speculative-decoding.md): Décodage spéculatif avec llama-server, llama.cpp, vLLM et plus pour une inférence 2x plus rapide
- [Guide de déploiement et d'inférence vLLM](https://unsloth.ai/docs/fr/notions-de-base/inference-and-deployment/vllm-guide.md): Guide pour enregistrer et déployer des LLM sur vLLM afin de servir des LLM en production
- [Arguments du moteur vLLM](https://unsloth.ai/docs/fr/notions-de-base/inference-and-deployment/vllm-guide/vllm-engine-arguments.md)
- [Guide de permutation à chaud LoRA](https://unsloth.ai/docs/fr/notions-de-base/inference-and-deployment/vllm-guide/lora-hot-swapping-guide.md)
- [Enregistrer des modèles vers Ollama](https://unsloth.ai/docs/fr/notions-de-base/inference-and-deployment/saving-to-ollama.md)
- [Déployer des modèles vers LM Studio](https://unsloth.ai/docs/fr/notions-de-base/inference-and-deployment/lm-studio.md): Enregistrer des modèles en GGUF afin de pouvoir les exécuter et les déployer vers LM Studio
- [Comment installer l'interface CLI de LM Studio dans le terminal Linux](https://unsloth.ai/docs/fr/notions-de-base/inference-and-deployment/lm-studio/how-to-install-lm-studio-cli-in-linux-terminal.md): Guide d'installation de LM Studio CLI sans interface graphique dans une instance de terminal.
- [Guide de déploiement et d'inférence SGLang](https://unsloth.ai/docs/fr/notions-de-base/inference-and-deployment/sglang-guide.md): Guide pour enregistrer et déployer des LLM sur SGLang afin de servir des LLM en production
- [Inférence Unsloth](https://unsloth.ai/docs/fr/notions-de-base/inference-and-deployment/unsloth-inference.md): Découvrez comment exécuter votre modèle fine-tuné avec l'inférence plus rapide d'Unsloth.
- [Guide de déploiement de llama-server et du point de terminaison OpenAI](https://unsloth.ai/docs/fr/notions-de-base/inference-and-deployment/llama-server-and-openai-endpoint.md): Déploiement via llama-server avec un point de terminaison compatible OpenAI
- [Comment exécuter et déployer des LLM sur votre iPhone ou téléphone Android](https://unsloth.ai/docs/fr/notions-de-base/inference-and-deployment/deploy-llms-phone.md): Tutoriel pour fine-tuner votre propre LLM et le déployer sur votre Android ou iPhone avec ExecuTorch.
- [Dépannage de l'inférence](https://unsloth.ai/docs/fr/notions-de-base/inference-and-deployment/troubleshooting-inference.md): Si vous rencontrez des problèmes lors de l'exécution ou de l'enregistrement de votre modèle.
- [Déployer des LLM avec Hugging Face Jobs](https://unsloth.ai/docs/fr/notions-de-base/inference-and-deployment/deploying-llms-with-hugging-face-jobs.md): Utiliser Hugging Face Jobs et Skills pour fine-tuner LFM avec Codex / Claude Code à l'aide d'un SKILL.
- [Comment exécuter des LLM locaux avec Claude Code](https://unsloth.ai/docs/fr/notions-de-base/claude-code.md): Guide pour utiliser des modèles ouverts avec Claude Code sur votre appareil local.
- [Comment exécuter des LLM locaux avec OpenAI Codex](https://unsloth.ai/docs/fr/notions-de-base/codex.md): Utilisez des modèles ouverts avec OpenAI Codex sur votre appareil, en local.
- [Entraînez votre propre modèle de décision avec Unsloth](https://unsloth.ai/docs/fr/notions-de-base/entrainez-votre-propre-modele-de-decision-avec-unsloth.md): Affinez des LLM comme Qwen et Gemma pour prendre des décisions avec des probabilités calibrées.
- [Guide d’exécution d’Unsloth Dynamic NVFP4](https://unsloth.ai/docs/fr/notions-de-base/nvfp4.md): Découvrez comment Unsloth Dynamic NVFP4 permet une inférence 4 bits rapide et précise sur les GPU NVIDIA Blackwell.
- [Comment exécuter localement des modèles de diffusion d’images avec Unsloth](https://unsloth.ai/docs/fr/notions-de-base/diffusion-image.md)
- [Entraîner et exécuter des modèles sur des GPU AMD avec Unsloth](https://unsloth.ai/docs/fr/notions-de-base/amd.md)
- [Comment utiliser des serveurs MCP avec des LLM locaux](https://unsloth.ai/docs/fr/notions-de-base/mcp.md): Découvrez comment connecter des serveurs MCP à des modèles d'IA ouverts avec des captures d'écran.
- [Fine-tuning multi-GPU avec Unsloth](https://unsloth.ai/docs/fr/notions-de-base/multi-gpu-training-with-unsloth.md): Découvrez comment fine-tuner des LLM sur plusieurs GPU et utiliser le parallélisme avec Unsloth.
- [Fine-tuning multi-GPU avec Distributed Data Parallel (DDP)](https://unsloth.ai/docs/fr/notions-de-base/multi-gpu-training-with-unsloth/ddp.md): Découvrez comment utiliser l'interface de ligne de commande Unsloth pour entraîner sur plusieurs GPU avec Distributed Data Parallel (DDP) !
- [Guide de fine-tuning des modèles d'embeddings avec Unsloth](https://unsloth.ai/docs/fr/notions-de-base/embedding-finetuning.md): Découvrez comment fine-tuner facilement des modèles d'embeddings avec Unsloth.
- [Fine-tuner des modèles MoE 12x plus vite avec Unsloth](https://unsloth.ai/docs/fr/notions-de-base/faster-moe.md): Guide pour entraîner localement des LLM MoE avec Unsloth.
- [Guide de fine-tuning Text-to-Speech (TTS)](https://unsloth.ai/docs/fr/notions-de-base/text-to-speech-tts-fine-tuning.md): Découvrez comment fine-tuner des modèles vocaux TTS et STT avec Unsloth.
- [Guide d'appel d'outils pour les LLM locaux](https://unsloth.ai/docs/fr/notions-de-base/tool-calling-guide-for-local-llms.md)
- [Fine-tuning vision](https://unsloth.ai/docs/fr/notions-de-base/vision-fine-tuning.md): Découvrez comment fine-tuner des LLM de vision/multimodaux avec Unsloth
- [Dépannage et FAQ](https://unsloth.ai/docs/fr/notions-de-base/troubleshooting-and-faqs.md): Astuces pour résoudre les problèmes et questions fréquemment posées.
- [Débogage de Hugging Face Hub et XET](https://unsloth.ai/docs/fr/notions-de-base/troubleshooting-and-faqs/hugging-face-hub-xet-debugging.md): Débogage, résolution des téléchargements bloqués, figés et lents
- [Modèles de conversation](https://unsloth.ai/docs/fr/notions-de-base/chat-templates.md): Découvrez les fondamentaux et les options de personnalisation des modèles de conversation, notamment les formats Conversationnel, ChatML, ShareGPT, Alpaca, et plus encore !
- [Indicateurs d'environnement Unsloth](https://unsloth.ai/docs/fr/notions-de-base/unsloth-environment-flags.md): Indicateurs avancés qui peuvent être utiles si vos fine-tunings échouent, ou si vous souhaitez désactiver certaines choses.
- [Pré-entraînement continu](https://unsloth.ai/docs/fr/notions-de-base/continued-pretraining.md): Aussi appelé fine-tuning continu. Unsloth vous permet de poursuivre le pré-entraînement afin qu'un modèle puisse apprendre une nouvelle langue.
- [Fine-tuning depuis le dernier point de contrôle](https://unsloth.ai/docs/fr/notions-de-base/finetuning-from-last-checkpoint.md): Le checkpointing vous permet d'enregistrer la progression de votre fine-tuning afin de pouvoir le mettre en pause puis le reprendre.
- [Benchmarks Unsloth](https://unsloth.ai/docs/fr/notions-de-base/unsloth-benchmarks.md): Unsloth a enregistré des benchmarks sur des GPU NVIDIA.


---

# 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 by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://unsloth.ai/docs/fr/notions-de-base.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

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.