> 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/nouveau/studio.md).

# Présentation d'Unsloth Studio

Aujourd’hui, nous lançons **Unsloth Studio** (Beta) : une interface web open source, sans code, pour entraîner, exécuter et exporter des modèles ouverts dans une seule interface **locale** .

<a href="/pages/22a56cb154401d43a94d87fa72ce6dfde69b18e3#quickstart" class="button primary" data-icon="bolt">Démarrage rapide</a><a href="/pages/22a56cb154401d43a94d87fa72ce6dfde69b18e3#features" class="button secondary" data-icon="star">Fonctionnalités</a><a href="https://github.com/unslothai/unsloth" class="button secondary" data-icon="github">GitHub</a>

* **Exécuter GGUF** et des modèles safetensor localement sur **Mac**, Windows, Linux.
* Entraînez plus de 500 modèles 2x plus vite avec 70 % de VRAM en moins (sans perte de précision)
* Exécutez et entraînez des modèles de texte, de vision, de TTS audio, et d'embeddings

{% hint style="success" %}
**Pour toutes les dernières mises à jour, consultez notre** [**nouvelle page de changelog ici**](/docs/fr/nouveau/changelog.md)**!** ✨
{% endhint %}

<div><figure><img src="/files/f64731cf2538357a8ad522737b18723f483ec322" alt=""><figcaption></figcaption></figure> <figure><img src="/files/2c81928ac32bde377694fb2258359b239e2cacc3" alt=""><figcaption></figcaption></figure></div>

* **MacOS :** L'entraînement, MLX et l'inférence GGUF fonctionnent tous dans Unsloth.
* Aucun jeu de données nécessaire. [**Créer automatiquement des jeux de données**](/docs/fr/nouveau/studio/data-recipe.md) à partir de **fichiers PDF, CSV, JSON, DOCX, TXT** .
* Connectez vos modèles locaux à n'importe quel agent, y compris [Claude Code](/docs/fr/bases/claude-code.md), [Codex](/docs/fr/bases/codex.md), [Hermes](/docs/fr/integrations/hermes-agent.md) et plus encore.
* [Exporter ou enregistrer](/docs/fr/nouveau/studio/export.md) votre modèle en GGUF, safetensor 16 bits, etc.
* [**Appel d'outils auto-réparateur**](/docs/fr/nouveau/studio/chat.md#auto-healing-tool-calling)  / avancé [**recherche web**](/docs/fr/nouveau/studio/chat.md#advanced-web-search) + [**exécution de code**](/docs/fr/nouveau/studio/chat.md#code-execution)
* [Paramètres d'inférence automatiques](/docs/fr/nouveau/studio/chat.md#auto-parameter-tuning), modifiez les modèles de chat, utilisez Unsloth comme un [**point de terminaison d'API**](#unsloth-as-an-api-endpoint).

## ⭐ Fonctionnalités

{% columns %}
{% column %}

### **Exécuter des modèles localement**

[Rechercher et exécuter des modèles GGUF](/docs/fr/nouveau/studio/chat.md) et safetensor avec appel d'outils auto-réparateur [d'outils](#execute-code--heal-tool-calling), inférence [recherche web](/docs/fr/nouveau/studio/chat.md#advanced-web-search), [automatique](/docs/fr/nouveau/studio/chat.md#auto-parameter-tuning) paramètres, [**exécution de code**](/docs/fr/nouveau/studio/chat.md#code-execution) (Bash + Python), [API](/docs/fr/bases/api.md). Téléversez des images, des documents, de l'audio, du code.

[Faites s'affronter les modèles](/docs/fr/nouveau/studio.md#model-arena). Propulsé par llama.cpp + Hugging Face, Unsloth prend en charge **l'inférence multi-GPU,** le déchargement et l'ajustement automatiques ainsi que la plupart des modèles.
{% endcolumn %}

{% column %}

<figure><img src="/files/c1e3c98db9ff7047858e3dac518d5347113d27aa" alt=""><figcaption></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### Exécuter du code + réparer l'appel d'outils

Unsloth Studio permet aux LLM d'exécuter Bash et Python, pas seulement JavaScript. Il met aussi les programmes en sandbox, comme Claude Artifacts, afin que les modèles puissent tester du code, générer des fichiers et vérifier les réponses avec de vrais calculs.

Par exemple, Qwen3.5-4B a recherché sur plus de 20 sites web et cité ses sources, avec la recherche web effectuée à l'intérieur de son trace de pensée.
{% endcolumn %}

{% column %}

<figure><img src="/files/b03f506381fed38c517bc09e2e726bc0013f23f4" alt=""><figcaption></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### Unsloth comme point de terminaison d'API

Vous pouvez maintenant utiliser des LLM locaux via des outils comme [Claude Code](/docs/fr/bases/claude-code.md) et [Codex](/docs/fr/bases/codex.md) en le connectant à [le point de terminaison d'API d'Unsloth](/docs/fr/bases/api.md). Cela signifie que vous pourrez exécuter directement des modèles Qwen et Gemma dans ces outils avec l'inférence d'Unsloth, qui inclut des fonctionnalités comme l'appel d'outils auto-réparateur, la recherche web, etc.

Vous pouvez aussi [connecter un fournisseur](/docs/fr/integrations/connections.md) comme OpenAI, Anthropic ou vLLM à Unsloth.
{% endcolumn %}

{% column %}

<figure><img src="/files/1a2d152a014c5c542c774dac8c97d657a9f4124f" alt=""><figcaption></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### **Entraînement sans code**

[Téléversez des PDF, CSV, JSON](#data-recipes) des documents, ou des configurations YAML et commencez à entraîner instantanément sur NVIDIA. Les kernels d'Unsloth optimisent LoRA, FP8, FFT, PT sur plus de 500 modèles de texte, de vision, de TTS/audio et d'embeddings.

Ajustez les derniers LLM comme [Qwen3.5](/docs/fr/modeles/qwen3.5/fine-tune.md) et NVIDIA [Nemotron 3](/docs/fr/modeles/nemotron-3.md). [Multi-GPU](/docs/fr/bases/multi-gpu-training-with-unsloth.md) fonctionne automatiquement, avec une nouvelle version à venir.
{% endcolumn %}

{% column %}

<figure><img src="/files/85e5b363635c67d09cab5a054561bd5b3d986187" alt=""><figcaption></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### Recettes de données

[**Recettes de données**](/docs/fr/nouveau/studio/data-recipe.md) transforme vos documents en jeux de données utilisables / synthétiques via un flux de travail à base de nœuds graphiques. Téléversez des fichiers non structurés ou structurés comme des PDF, CSV et JSON. Unsloth Data Recipes, propulsé par NVIDIA Nemo [Concepteur de données](https://github.com/NVIDIA-NeMo/DataDesigner), transforme automatiquement les documents dans les formats souhaités.
{% endcolumn %}

{% column %}

<figure><img src="/files/39fdec47bc5527a4639140c417a1fc5d431b8824" alt=""><figcaption></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### Observabilité

Obtenez [une visibilité complète](/docs/fr/nouveau/studio/start.md#training-progress) sur vos exécutions d'entraînement et un contrôle total. Suivez en temps réel la perte d'entraînement, les normes de gradient et l'utilisation du GPU, et personnalisez selon vos envies.

Vous pouvez même voir la progression de l'entraînement sur d'autres appareils comme votre téléphone.
{% endcolumn %}

{% column %}

<figure><img src="/files/800d9753900c2873e31d2eb31b9c6e49a25a3b95" alt=""><figcaption></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### Exporter / enregistrer les modèles

[**Exportez n'importe quel modèle**](/docs/fr/nouveau/studio/export.md), y compris vos modèles affinés, vers safetensors ou GGUF pour une utilisation avec llama.cpp, vLLM, Ollama, LM Studio, et plus encore.

Enregistre votre historique d'entraînement, afin que vous puissiez revoir les exécutions, réexporter et expérimenter.
{% endcolumn %}

{% column %}

<figure><img src="/files/cb3aa8eb0f51b8a5167d8c037c38f8eed0db2173" alt=""><figcaption></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### Arène des modèles

Discutez avec et [comparez 2 modèles différents](/docs/fr/nouveau/studio/chat.md#model-arena) , comme un modèle de base et un modèle affiné, pour voir comment leurs sorties diffèrent.

Chargez simplement votre premier GGUF/modèle, puis le second, et voilà ! L'inférence chargera d'abord un modèle, puis le second.
{% endcolumn %}

{% column %}

<div align="center"><figure><img src="/files/363f22dc6187049e754bdae94b495a45c68bb1b9" alt=""><figcaption></figcaption></figure></div>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### Confidentialité d'abord + Sécurité

Unsloth Studio peut être utilisé 100 % hors ligne et localement sur votre ordinateur. Son authentification basée sur des jetons, y compris le mot de passe chiffré et les flux JWT d'accès / rafraîchissement, garde vos données en sécurité.

Vous pouvez utiliser des modèles / GGUF préexistants / anciens qui ont été précédemment téléchargés depuis HF, etc. Lisez [les instructions ici](/docs/fr/nouveau/studio/chat.md#using-old-existing-gguf-models).
{% endcolumn %}

{% column %}

<figure><img src="/files/cd01051390ce267a1e1d6dda73589248af9ebeb8" alt=""><figcaption></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

{% hint style="warning" %}
Veuillez noter qu'il s'agit de la **BÊTA** version d'Unsloth Studio. Attendez-vous à de nombreuses améliorations, corrections et nouvelles fonctionnalités dans les jours et semaines à venir.
{% endhint %}

## ⚡ Démarrage rapide

Unsloth Studio fonctionne sur Windows, Linux, WSL et MacOSx.

* **CPU :** Unsloth fonctionne toujours sans GPU, mais uniquement pour [le chat](#run-models-locally) inférence et [Recettes de données](/docs/fr/nouveau/studio/data-recipe.md).
* **Entraînement :** Fonctionne sur **NVIDIA**, **Intel**, **Apple**, et [**AMD**](/docs/fr/bases/amd.md) GPU
* **Mac :** L'entraînement, MLX et l'inférence GGUF sont TOUS pris en charge.
* **Inférence :** pris en charge pour presque tous les appareils et matériels
* **Multi-GPU :** Fonctionne déjà, avec une mise à niveau majeure en préparation.

Utilisez les mêmes commandes d'installation ci-dessous pour **mettre à jour**:

### **MacOS, Linux, WSL :**

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

### **Windows PowerShell :**

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

#### Lancer Unsloth

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

**Lancez Unsloth en toute sécurité avec HTTPS et Cloudflare**

**NOUVEAU !** Unsloth propose désormais une manière sécurisée de lancer Unsloth en HTTPS via un tunnel Cloudflare gratuit. Utilisez ce qui suit (fonctionne sous Windows, Mac et Linux) :

```bash
unsloth studio --secure
```

**Pour plus de détails sur l'installation et la désinstallation, veuillez consulter la** [**installation d'Unsloth Studio**](/docs/fr/nouveau/studio/install.md) **section.**

{% content-ref url="/pages/3ca98ab552557cd126d152e81d801c8cb0caa73c" %}
[Installation](/docs/fr/nouveau/studio/install.md)
{% endcontent-ref %}

#### <i class="fa-google">:google:</i> notebook Google Colab

Nous avons créé un [notebook Google Colab gratuit](https://colab.research.google.com/github/unslothai/unsloth/blob/main/studio/Unsloth_Studio_Colab.ipynb) afin que vous puissiez explorer toutes les fonctionnalités d'Unsloth sur les GPU T4 de Colab. Vous pouvez entraîner et exécuter la plupart des modèles jusqu'à 22 milliards de paramètres, puis passer à un GPU plus puissant pour les modèles plus grands. Cliquez simplement sur « Run all » et l'interface devrait apparaître après l'installation.

{% columns %}
{% column %}
{% embed url="<https://colab.research.google.com/github/unslothai/unsloth/blob/main/studio/Unsloth_Studio_Colab.ipynb>" %}

Une fois l'installation terminée, faites défiler jusqu'à **Démarrer Unsloth Studio** et cliquez sur **Ouvrir Unsloth Studio** dans la boîte blanche affichée à gauche :

**Faites défiler plus bas pour voir l'interface réelle.**
{% endcolumn %}

{% column %}

<figure><img src="/files/771664ff8cf59b0e0a8ceae8e2837c6920c2d17f" alt=""><figcaption></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

{% hint style="warning" %}
Parfois, le lien Unsloth peut renvoyer une erreur. Cela se produit parce que vous avez peut-être désactivé les cookies, ou que vous utilisez un bloqueur de publicités ou Mozilla. Vous pouvez toujours accéder à l'interface en faisant défiler sous le bouton.
{% endhint %}

### 👾 Démarrage d'Unsloth

{% columns %}
{% column width="58.333333333333336%" %}
[Démarrage Unsloth](/docs/fr/integrations/unsloth-start.md) vous permet de connecter [Claude Code](/docs/fr/bases/claude-code.md), [Codex](/docs/fr/bases/codex.md) et d'autres agents à des modèles locaux via la commande `unsloth start` .

Lancez Unsloth, chargez un modèle, ouvrez le dossier de votre projet, puis exécutez :

```bash
unsloth start claude
```

Remplacez `claude` par n'importe quel agent ci-dessous :
{% endcolumn %}

{% column width="41.666666666666664%" %}

<figure><img src="/files/fbc0a7d72b9926bcc48344f2a6975b19548007b1" alt="" width="563"><figcaption><p>Claude Code exécuté localement avec Qwen3.5.</p></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

| Agent                                                              | Commande                 |
| ------------------------------------------------------------------ | ------------------------ |
| <i class="fa-claude">:claude:</i> Claude Code                      | `unsloth start claude`   |
| <i class="fa-openai">:openai:</i> OpenAI Codex                     | `unsloth start codex`    |
| <i class="fa-caduceus">:caduceus:</i> Agent Hermes                 | `unsloth start hermes`   |
| <i class="fa-lobster">:lobster:</i> OpenClaw                       | `unsloth start openclaw` |
| <i class="fa-rectangle-vertical">:rectangle-vertical:</i> OpenCode | `unsloth start opencode` |

## <i class="fa-seedling">:seedling:</i> Workflow

Voici un workflow habituel d'Unsloth Studio pour vous aider à démarrer :

1. Lancez Unsloth à partir des [instructions d'installation](/docs/fr/nouveau/studio/install.md).
2. Chargez un modèle à partir de fichiers locaux ou d'une intégration prise en charge.
3. Importez des données d'entraînement depuis des fichiers PDF, CSV ou JSONL, ou créez un jeu de données à partir de zéro.
4. Nettoyez, affinez et développez votre jeu de données dans [Recettes de données](/docs/fr/nouveau/studio/data-recipe.md).
5. Commencez l'entraînement avec les préréglages recommandés ou personnalisez vous-même la configuration.
6. Discutez avec le modèle entraîné et comparez ses sorties à celles du modèle de base.
7. [Enregistrer ou exporter](/docs/fr/nouveau/studio.md#export-save-models) localement vers la pile que vous utilisez déjà.

Vous pouvez lire nos analyses détaillées de chaque section d'Unsloth Studio :

{% columns %}
{% column width="50%" %}
{% content-ref url="/pages/a4ab77cc976ec484d13317b14422a754e2f1d4e8" %}
[Get Started](/docs/fr/nouveau/studio/start.md)
{% endcontent-ref %}

{% content-ref url="/pages/817a1275219e1e8d86fe100d223ac4b0862ab3a1" %}
[Model Export](/docs/fr/nouveau/studio/export.md)
{% endcontent-ref %}
{% endcolumn %}

{% column width="50%" %}
{% content-ref url="/pages/ec921eec2a37820cfd0cf432328d619c9fa1080b" %}
[Data Recipes](/docs/fr/nouveau/studio/data-recipe.md)
{% endcontent-ref %}

{% content-ref url="/pages/02de109936ce31121bffae3333822baa85a115f0" %}
[Studio Chat](/docs/fr/nouveau/studio/chat.md)
{% endcontent-ref %}
{% endcolumn %}
{% endcolumns %}

## <i class="fa-comments-question">:comments-question:</i> FAQ

**Unsloth collecte-t-il ou stocke-t-il des données ?**\
Unsloth ne collecte pas de télémétrie d'utilisation. Unsloth ne collecte que les informations matérielles minimales nécessaires à la compatibilité, comme le type de GPU et l'appareil (par exemple Mac). Unsloth Studio fonctionne 100 % hors ligne et localement.

**Comment utiliser un ancien modèle / un modèle existant que j'ai téléchargé auparavant depuis Hugging Face ?**\
Oui, vous pouvez utiliser des modèles préexistants / anciens ou des GGUF que vous avez précédemment téléchargés depuis Hugging Face, etc. Ils devraient désormais être détectés automatiquement par Unsloth, sinon lisez notre [les instructions ici](/docs/fr/nouveau/studio/chat.md#using-old-existing-gguf-models).

**Pourquoi l'inférence est-elle parfois plus lente dans Unsloth ?**\
Unsloth, comme d'autres applications locales d'inférence, est propulsé par llama.cpp, donc les vitesses devraient être globalement les mêmes. Parfois, Unsloth peut être plus lent parce que vous avez activé la recherche web, l'exécution de code ou l'appel d'outils auto-réparateur. Toutes ces fonctionnalités peuvent ralentir votre inférence. Si la différence de vitesse reste plus lente avec toutes les fonctionnalités désactivées, veuillez ouvrir un ticket GitHub !

**Unsloth Studio prend-il en charge les API compatibles OpenAI ?**\
Oui, consultez notre [guide du point de terminaison d'API ici](/docs/fr/bases/api.md).

**Unsloth est-il désormais sous licence AGPL-3.0 ?**\
Unsloth utilise un modèle de double licence Apache 2.0 et AGPL-3.0. Le package principal d'Unsloth reste sous licence [**Apache 2.0**](https://github.com/unslothai/unsloth?tab=Apache-2.0-1-ov-file), tandis que certains composants optionnels, tels que l'interface d'Unsloth Studio, sont sous licence [**AGPL-3.0**](https://github.com/unslothai/unsloth?tab=AGPL-3.0-2-ov-file).

Cette structure aide à soutenir le développement continu d'Unsloth tout en gardant le projet open source et en permettant à l'écosystème plus large de continuer à grandir.

**Unsloth ne prend-il en charge que les LLM ?**\
Non. Unsloth prend en charge une gamme de `transformers` de familles de modèles compatibles, y compris des modèles de texte, multimodaux, [text-to-speech](/docs/fr/bases/text-to-speech-tts-fine-tuning.md), audio, [embeddings](/docs/fr/bases/embedding-finetuning.md), et des modèles de type BERT.

**Puis-je utiliser ma propre configuration d'entraînement ?**\
Oui. Importez une configuration YAML et Unsloth remplira automatiquement les paramètres pertinents.

**Faut-il entraîner des modèles pour utiliser l'interface ?**\
Non, vous pouvez simplement télécharger n'importe quel GGUF ou modèle sans affiner un modèle.

#### Avenir d'Unsloth

Nous travaillons dur pour rendre l'IA open source aussi accessible que possible. Prochainement pour Unsloth et Unsloth Studio, nous publions la prise en charge officielle de : multi-GPU, Apple Silicon/MLX et AMD. Rappel : il s'agit de la version BÊTA d'Unsloth Studio, donc attendez-vous à beaucoup d'annonces et d'améliorations dans les semaines à venir. Nous travaillons également en étroite collaboration avec NVIDIA sur la prise en charge multi-GPU afin d'offrir la meilleure expérience possible, la plus simple possible.

#### Remerciements

Un immense merci à NVIDIA et Hugging Face d'avoir participé à notre lancement. Merci également à tous nos premiers bêta-testeurs pour Unsloth Studio ; nous apprécions vraiment votre temps et vos retours. Nous tenons aussi à remercier llama.cpp, PyTorch et les laboratoires de modèles ouverts pour avoir fourni l'infrastructure qui a rendu Unsloth Studio possible.


---

# 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/nouveau/studio.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.