unsloth : lancer et entraîner des LLM en local

unsloth est une application open source, sous licence Apache-2.0, qui permet de lancer et d’entraîner des modèles d’IA directement sur sa propre machine. Elle couvre les modèles de texte, d’images, d’audio et d’embedding. Cet article détaille ce qu’elle sait faire, comment l’installer et où en est le projet.

En bref

• Appli de bureau pour Windows, macOS et Linux, aussi proposée en interface web et en bibliothèque Python
• Fait tourner en local des modèles de texte, d’images, de vidéo, d’audio et d’embedding
• Annonce un entraînement 2 fois plus rapide avec 70 % de VRAM en moins, sans perte de précision
• La commande unsloth start branche Claude Code, Codex et d’autres agents sur un modèle local
• Licence Apache-2.0 ; 77 600 étoiles sur GitHub au 9 octobre 2026

Qu’est-ce que unsloth ?

unsloth permet de faire tourner des modèles d’IA sur son propre matériel, sans passer par un service en ligne, et de les entraîner avec ses propres données. Le README la présente comme la première appli de bureau pour exécuter et entraîner des modèles.

Le projet prend trois formes : Unsloth Desktop, l’appli de bureau recommandée, Unsloth Studio, une interface web, et Unsloth Core, la version à utiliser dans du code Python. Il fonctionne sous Windows, Linux, WSL et macOS, avec des cartes NVIDIA, AMD ou Intel, des configurations à plusieurs GPU, de simples CPU et le backend Vulkan.

Lancer un LLM sur son PC : ce que fait unsloth

Côté utilisation, unsloth exécute des modèles de langage (LLM) et d’autres familles de modèles. Le README cite notamment Qwen3.8, DeepSeek-V4, Gemma 4, Kimi K3 et MiniMax-H3, et la documentation annonce la prise en charge de plus de 500 modèles.

Plusieurs fonctions s’ajoutent à la simple discussion avec un modèle :

• Agents et outils : utiliser des modèles locaux avec Claude Code, Codex et MCP, avec appel d’outils et exécution de code
• Recherche et RAG : recherche web privée, recherche approfondie, compactage automatique du contexte et RAG
• Images et vidéo : lancer et entraîner des modèles de diffusion pour générer des images en local
• Accès à distance : depuis un autre appareil du réseau local, ou via un lien HTTPS Cloudflare sécurisé
• API compatible OpenAI, et connexion possible à un abonnement ChatGPT/Codex ou à des fournisseurs cloud

Entraîner et affiner un modèle avec unsloth

Pour affiner un modèle d’IA, unsloth annonce un entraînement 2 fois plus rapide avec 70 % de VRAM en moins, sans perte de précision. Elle prend en charge LoRA, QLoRA, le fine-tuning complet, le pré-entraînement et l’apprentissage par renforcement (RL, GRPO, DPO), ainsi que FP8.

Le module Data Recipes sert à créer un jeu de données à partir de PDF, de CSV, de fichiers DOCX et d’autres formats. Les modèles entraînés s’exportent ensuite, notamment en GGUF, NVFP4 ou FP8. Des notebooks gratuits sont proposés sur Colab ; le README y indique par exemple 2x plus rapide et 70 % de mémoire en moins pour gpt-oss (20B).

Utiliser Claude Code en local avec unsloth start

La commande unsloth start connecte un agent de programmation à un modèle local. Selon la documentation, il faut lancer unsloth, charger un modèle, ouvrir le dossier du projet, puis exécuter la commande de l’agent voulu.

Le README donne cet exemple pour Claude Code. Les autres agents suivent le même schéma : Codex (unsloth start codex), DeepSeek Harness (dsh), Hermes Agent (hermes), Mistral Vibe (vibe), OpenCode (opencode) et OpenClaw (openclaw).

unsloth start claude --model unsloth/Qwen3.8-27B-GGUF:UD-Q4_K_XL

Installer unsloth

Le plus simple est de télécharger Unsloth Desktop depuis le site du projet ou la page des versions GitHub, avec des installateurs pour Windows, macOS, Linux (deb et AppImage). Pour une installation manuelle de l’interface web, le README donne ces commandes, puis le lancement.

Sur Windows, la commande équivalente passe par PowerShell. Une image Docker, unsloth/unsloth, existe aussi, ainsi qu’une version dédiée aux cartes AMD.

curl -fsSL https://unsloth.ai/install.sh | sh
brew install --cask unsloth
irm https://unsloth.ai/install.ps1 | iex
unsloth studio

Où en est le projet unsloth

Au 9 octobre 2026, le dépôt compte 77 600 étoiles, 7 157 copies et 401 contributeurs. Il a été créé le 29 novembre 2023, et la dernière version publiée est la v0.1.905-beta, du 8 octobre 2026. Le code est écrit à 72 % en Python et à 22 % en TypeScript.

Les notes des dernières versions listent l’ajout d’un navigateur intégré à côté du chat (v0.1.903-beta), de modèles de décision entraînables (v0.1.904-beta) et d’un bac à sable pour le code exécuté par le modèle, avec Bwrap sous Linux, Seatbelt sous macOS et MXC sous Windows (v0.1.905-beta). Elles mentionnent aussi le chargement natif de modèles de diffusion ComfyUI.

Avant de se lancer avec unsloth

Les versions publiées portent encore la mention « beta ». Le README prévient aussi que les outils côté serveur sont activés par défaut : si tu exposes unsloth sur le réseau ou sur Internet, garde ton mot de passe en lieu sûr ou utilise l’option --disable-tools.

Le projet renvoie à une page de prérequis pour la configuration matérielle. Le README ne donne pas de configuration minimale, ce qui dépend de la taille du modèle choisi.

Quelques repères

• VRAM : C’est la mémoire de la carte graphique. Elle limite la taille des modèles d’IA qu’on peut charger ou entraîner.
• GGUF : Format de fichier pensé pour distribuer des modèles de langage et les exécuter sur un ordinateur personnel.
• Fine-tuning : Réentraînement d’un modèle déjà existant sur des données choisies, pour l’adapter à une tâche ou à un style précis.

Questions fréquentes

unsloth est-il gratuit et open source ?

Oui, le code d’unsloth est publié sous licence Apache-2.0. Le README propose aussi des notebooks gratuits pour s’entraîner sur Colab ; il ne donne pas de prix pour le reste.

Peut-on utiliser Claude Code en local avec unsloth ?

Oui, la commande unsloth start claude connecte Claude Code à un modèle local. Le même principe existe pour Codex, OpenCode, Hermes Agent et d’autres agents.

Sur quels systèmes et quelles cartes unsloth fonctionne-t-il ?

unsloth fonctionne sous Windows, Linux, WSL et macOS. Il prend en charge les cartes NVIDIA, AMD et Intel, les CPU et le backend Vulkan.

unsloth permet-il de créer un jeu de données à partir de PDF ?

Oui, via Data Recipes, qui construit des jeux de données à partir de PDF, de CSV, de fichiers DOCX et d’autres formats.

À retenir

unsloth réunit dans une même appli open source l’exécution locale de modèles, leur entraînement, la préparation de données et le branchement d’agents de programmation. Le projet est actif, avec une version publiée le 8 octobre 2026, mais ses versions restent en bêta et ses outils serveur demandent de la prudence quand on l’expose en ligne.