> ## Documentation Index
> Fetch the complete documentation index at: https://docs.coreweave.com/llms.txt
> Use this file to discover all available pages before exploring further.

# Post-entraînement

> Adaptez des modèles à vos tâches grâce à la distillation, à l’apprentissage par renforcement et au fine-tuning supervisé sur une infrastructure gérée.

Le post-entraînement regroupe l’ensemble des services CoreWeave Forge qui adaptent un modèle existant à votre tâche. Chaque service effectue l’entraînement sur une infrastructure que Forge provisionne et met à l’échelle pour vous, puis déploie le modèle entraîné pour que vous puissiez l’utiliser immédiatement depuis votre application.

<Columns cols={3}>
  <Card title="Model Distillation" href="/fr/model-distillation" arrow="true">
    Collectez des données d’entraînement à partir du trafic réel de votre application, entraînez un modèle plus petit capable d’égaler un modèle plus grand, comparez-les, puis déployez progressivement le plus performant.
  </Card>

  <Card title="Serverless RL" href="/fr/products/post-training/serverless-training/rl" arrow="true">
    Effectuez le post-entraînement d’un modèle par apprentissage par renforcement pour qu’un agent progresse sur des tâches sur plusieurs tours de conversation, évaluées à l’aide d’une fonction de récompense que vous définissez.
  </Card>

  <Card title="Serverless SFT" href="/fr/products/post-training/serverless-training/sft" arrow="true">
    Effectuez le fine-tuning d’un modèle sur une sélection d’exemples d’entrées et de sorties pour lui apprendre une tâche, un style ou un format.
  </Card>
</Columns>

<h2 id="choose-a-service">
  Choisir un service
</h2>

* **Model Distillation** est un flux de travail guidé doté d’une interface utilisateur. Connectez votre application via le proxy de distillation : il collecte des exemples, entraîne des modèles candidats, les évalue et achemine le trafic vers celui que vous choisissez. Commencez par ce service si vous avez déjà une fonctionnalité LLM en production et que vous cherchez un modèle moins coûteux et plus rapide pour la faire fonctionner. Model Distillation est en préversion privée. Demandez l’accès depuis la page **post-entraînement** de Forge.
* **Serverless RL** et **Serverless SFT** s’utilisent par programmation. Vous les pilotez depuis votre code via le [framework OpenPipe ART](https://art.openpipe.ai/getting-started/about) ou l’API Serverless Training, et vous fournissez votre propre fonction de récompense ou votre propre jeu de données. Les deux sont en préversion publique. Consultez [À propos de Serverless Training](/fr/products/post-training/serverless-training) pour savoir en quoi ils diffèrent et ce qu’ils ont en commun.


## Related topics

- [Créer un LoRA affiné](/fr/products/inference/serverless/tutorials/creating-lora.md)