> ## Documentation Index
> Fetch the complete documentation index at: https://wb-21fd5541-wbdocs-1882.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# W&B Training

> Effectuez le post-entraînement de vos modèles à l’aide de l’apprentissage par renforcement et du Fine-tuning supervisé

Désormais en préversion publique, W\&B Training propose un post-entraînement serverless pour les grands modèles de langage (LLM), y compris l’apprentissage par renforcement (RL) et le Fine-tuning supervisé (SFT).

* **[Serverless RL](/fr/training/serverless-rl)** : améliorez la fiabilité des modèles sur des tâches agentiques à plusieurs tours, tout en augmentant la vitesse et en réduisant les coûts. Le RL est une technique d’entraînement dans laquelle les modèles apprennent à améliorer leur comportement grâce aux retours sur leurs résultats.
* **[Serverless SFT](/fr/training/sft-training)** : effectuez le Fine-tuning des modèles à l’aide de jeux de données sélectionnés pour la distillation, l’apprentissage du style et du format de sortie, ou la préparation avant le RL.

W\&B Training s’intègre à :

* [ART](https://art.openpipe.ai/getting-started/about), un framework flexible de Fine-tuning.
* [RULER](https://openpipe.ai/blog/ruler), un vérificateur universel.
* Un backend entièrement géré sur [CoreWeave Cloud](https://docs.coreweave.com/docs/platform).

Pour commencer, remplissez les [prérequis](/fr/training/prerequisites) nécessaires à l’utilisation du service, puis consultez le [démarrage rapide Serverless RL](https://art.openpipe.ai/getting-started/quick-start) ou la [documentation Serverless SFT](https://art.openpipe.ai/fundamentals/sft-training) pour apprendre à effectuer le post-entraînement de vos modèles.