> 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

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

<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**, **MLX** et des modèles d’images/vidéos de diffusion 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 diffusion, d’audio TTS et d’embeddings

{% hint style="success" icon="sparkles" %}
**NOUVEAU :** Nous présentons notre nouvelle [**Unsloth Desktop**](/docs/fr/desktop.md) application ! Téléchargez pour [Mac](/docs/fr/commencer/install/mac.md), [Windows](/docs/fr/commencer/install/windows-installation.md) et [Linux](/docs/fr/commencer/install/linux.md).
{% endhint %}

<table data-view="cards"><thead><tr><th></th><th></th><th data-hidden data-card-target data-type="content-ref"></th><th data-hidden data-card-cover data-type="image">Image de couverture</th></tr></thead><tbody><tr><td><h3>Appels d’outils précis</h3></td><td>Obtenez des appels d’outils auto-réparateurs 50 % plus précis et une exécution de code en bac à sable</td><td><a href="/pages/02de109936ce31121bffae3333822baa85a115f0">/pages/02de109936ce31121bffae3333822baa85a115f0</a></td><td><a href="/files/47ead684ac79feac2adf47daa33818af9e3b4162">/files/47ead684ac79feac2adf47daa33818af9e3b4162</a></td></tr><tr><td><h3>Diffusion image/vidéo</h3></td><td>Exécutez et entraînez des modèles de diffusion d’images/vidéos comme MiniMax H3 avec une inférence 2× plus rapide.</td><td><a href="/pages/d20b649241f83bdf44ff18d350c4aa3adc572ff0">/pages/d20b649241f83bdf44ff18d350c4aa3adc572ff0</a></td><td><a href="/files/b4290c661d928ca3e2d6cbc14e761953edd0da1c">/files/b4290c661d928ca3e2d6cbc14e761953edd0da1c</a></td></tr><tr><td><h3>Rendez votre agent local</h3></td><td>Connectez des LLM locaux à des outils agentiques comme Claude Code et Codex avec permutation de modèles</td><td><a href="/pages/4e19b143c5717c66d2a17f6ef781988e37a489f2">/pages/4e19b143c5717c66d2a17f6ef781988e37a489f2</a></td><td><a href="/files/3efe078eba125d1811bbbb0c164b02d411a85a5c">/files/3efe078eba125d1811bbbb0c164b02d411a85a5c</a></td></tr><tr><td><h3>Recherche web illimitée</h3></td><td>Obtenez une recherche web et une recherche approfondie illimitées, privées et sécurisées</td><td><a href="/pages/22a56cb154401d43a94d87fa72ce6dfde69b18e3#web-search-upgraded">/pages/22a56cb154401d43a94d87fa72ce6dfde69b18e3#web-search-upgraded</a></td><td><a href="/files/d8c27b8066428f647036a01d954d9bf94d19cfd7">/files/d8c27b8066428f647036a01d954d9bf94d19cfd7</a></td></tr><tr><td><h3>Exécutez les derniers modèles</h3></td><td>Découvrez, gérez et entraînez les derniers modèles Muse Glimmer, MiniMax-H3, Kimi K3, Qwen3.8.</td><td><a href="/pages/41f2e6bbbe116f730cf3549300cf28972e8c72f4">/pages/41f2e6bbbe116f730cf3549300cf28972e8c72f4</a></td><td><a href="/files/74414855ff04a9643b0c98cde128466bbbc7c40b">/files/74414855ff04a9643b0c98cde128466bbbc7c40b</a></td></tr><tr><td><h3><strong>Déployez partout</strong></h3></td><td>Déployez des modèles à distance en toute sécurité et accédez à Unsloth n’importe où via Cloudflare HTTPS</td><td></td><td><a href="/files/b0dab814675ef3dcee8d27be2af01741759a525b">/files/b0dab814675ef3dcee8d27be2af01741759a525b</a></td></tr></tbody></table>

<figure><img src="/files/59a52f4dffb4c98fafe72876567dd349e6e45ccc" alt=""><figcaption></figcaption></figure>

* **macOS :** L’entraînement, MLX et l’inférence GGUF fonctionnent tous dans Unsloth.
* Aucun jeu de données requis. [**Création automatique de 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.
* [Exportez ou enregistrez](/docs/fr/nouveau/studio/export.md) votre modèle en GGUF, en safetensor 16 bits, etc.
* [**Appels d’outils auto-réparateurs**](/docs/fr/nouveau/studio/chat.md#auto-healing-tool-calling) / avancée [**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 API**](#unsloth-as-an-api-endpoint).

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

## ⭐ Fonctionnalités

{% columns %}
{% column %}

### Exécuter du code + appels d’outils auto-réparateurs

Unsloth Studio permet aux LLM d’exécuter Bash et Python, pas seulement JavaScript avec des permissions de contournement. Il isole aussi des programmes comme Claude Artifacts afin que les modèles puissent tester du code, générer des fichiers et vérifier les réponses avec un calcul réel.

Par ex., Unsloth crée un bac à sable pour permettre à GLM-5.2 d’exécuter du code, ce qui s’affiche comme un aperçu HTML dans Canvas.
{% endcolumn %}

{% column %}

<figure><img src="/files/47ead684ac79feac2adf47daa33818af9e3b4162" alt=""><figcaption><p>Appels d’outils précis avec exécution de code en bac à sable</p></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### Recherche web améliorée

La recherche web privée, illimitée et sécurisée d’Unsloth visite réellement les pages directement pour collecter des informations et données pertinentes, et ne se contente pas de parcourir les résumés de sites web. Cela fournit des résultats bien plus précis / approfondis, avec davantage d’informations et de contexte.

Par ex., Qwen3.5-4B a recherché plus de 20 sites web et cité des sources, la recherche web ayant eu lieu dans sa trace de réflexion.
{% endcolumn %}

{% column %}

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

{% columns %}
{% column %}

### Unsloth comme point de terminaison API

Vous pouvez désormais 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 [point de terminaison 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 les appels d’outils auto-réparateurs, 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 noyaux d’Unsloth optimisent LoRA, FP8, FFT, PT sur plus de 500 modèles de texte, de vision, d’audio TTS et d’embeddings.

Affinez les derniers LLM comme [Qwen3.5](/docs/fr/modeles/qwen3.5/fine-tune.md) et NVIDIA [Nemotron 3](/docs/fr/modeles/nemotron-3.md). [Le 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 %}

### **Exécutez des modèles localement**

[Recherchez et exécutez des modèles GGUF](/docs/fr/nouveau/studio/chat.md) et safetensor avec appels d’outils auto-réparateurs [appels d’outils](#execute-code--heal-tool-calling), avancés [recherche web](/docs/fr/nouveau/studio/chat.md#advanced-web-search), [inférence 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). Importez des images, des documents, de l’audio, du code.

[Comparez les modèles côte à côte](https://unsloth.ai/docs/new/studio/chat#model-arena). Propulsé par llama.cpp + Hugging Face, Unsloth prend en charge **l’inférence multi-GPU,** le déchargement automatique et l’ajustement à la plupart des modèles.
{% endcolumn %}

{% column %}

<figure><img src="/files/f3db6104ce8262635b035c863eb7f941d2e14995" 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 en nœuds de graphe. Importez 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), convertit 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 et un contrôle total de vos entraînements. 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 des 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.

Stocke 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 %}

### Confidentialité d’abord + Sécurisé

Unsloth Studio peut être utilisé à 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 / de rafraîchissement, garde vos données en sécurité.

Vous pouvez utiliser des modèles préexistants / anciens ou des GGUFs que vous avez déjà 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 %}

## ⚡ Démarrage rapide

### **Installer avec Unsloth Desktop**

La manière la plus simple d’installer Unsloth Studio est avec l’application Desktop native. Téléchargez-la pour votre système d’exploitation :

* <i class="fa-apple">:apple:</i> [Télécharger pour macOS](https://unsloth.ai/download/mac)
* <i class="fa-windows">:windows:</i> [Télécharger pour Windows](https://unsloth.ai/download/windows)
* <i class="fa-linux">:linux:</i> [Télécharger pour Linux](https://unsloth.ai/download/linux)

Pour une installation manuelle d’Unsloth Studio, utilisez les commandes ci-dessous. Exécutez de nouveau la même commande 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 fournit désormais un moyen sécurisé de lancer Unsloth via HTTPS grâce à un tunnel Cloudflare gratuit. Utilisez la commande ci-dessous (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, et passer à un GPU plus grand pour les modèles plus volumineux. 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 zone blanche affichée à gauche :

**Descendez encore 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 publicité ou Mozilla. Vous pouvez quand même accéder à l’interface en faisant défiler sous le bouton.
{% endhint %}

### 👾 Démarrage d’Unsloth

{% columns %}
{% column width="58.333333333333336%" %}
[Démarrage d’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 `unsloth start` commande.

Démarrez 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> Hermes Agent                 | `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> Flux de travail

Voici un flux de travail habituel d’Unsloth Studio pour commencer :

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 à partir de fichiers PDF, CSV ou JSONL, ou créez un jeu de données à partir de zéro.
4. Nettoyez, affinez et enrichissez votre jeu de données dans [Recettes de données](/docs/fr/nouveau/studio/data-recipe.md).
5. Commencez l’entraînement avec des 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. [Enregistrez ou exportez](/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, telles que le type de GPU et l’appareil (par ex. Mac). Unsloth Studio fonctionne à 100 % hors ligne et localement.

**Comment utiliser un ancien / modèle existant que j’ai téléchargé auparavant depuis Hugging Face ?**\
Oui, vous pouvez utiliser des modèles préexistants/anciens ou des GGUFs que vous avez précédemment téléchargés depuis Hugging Face, etc. Ils devraient maintenant être automatiquement détectés 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 les autres applications d’inférence locales, est propulsé par llama.cpp, donc les vitesses devraient être globalement les mêmes. Si Unsloth est parfois plus lent, c’est peut-être parce que vous avez activé la recherche web, l’exécution de code ou les appels d’outils auto-réparateurs. Toutes ces fonctionnalités peuvent ralentir votre inférence. Si la différence de vitesse reste plus lente avec toutes les fonctionnalités désactivées, veuillez ouvrir une issue GitHub !

**Unsloth Studio prend-il en charge les API compatibles OpenAI ?**\
Oui, consultez notre [guide du point de terminaison 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 paquet 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, comme l’interface 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 se développer.

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

**Puis-je utiliser ma propre configuration d’entraînement ?**\
Oui. Importez une configuration YAML et Unsloth renseignera 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 aucun modèle.

#### Remerciements

Un immense merci à NVIDIA et à Hugging Face d’avoir participé à notre lancement. Merci aussi à tous nos premiers bêta-testeurs pour Unsloth Studio ; nous apprécions vraiment votre temps et vos retours. Nous souhaitons également 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.