Définition
Fine-tuning (ajustement de modèle)
Ré-entraînement partiel d'un modèle d'IA sur des données spécifiques pour le spécialiser sur un domaine, un ton ou une tâche.
Le fine-tuning consiste à poursuivre l'entraînement d'un modèle existant sur un corpus ciblé, jurisprudence interne, historique de support client, documentation technique, pour améliorer ses performances sur ce domaine précis.
Pour la plupart des usages d'entreprise, le RAG suffit et reste plus simple à maintenir (les connaissances se mettent à jour en réindexant les documents, sans ré-entraînement). Le fine-tuning garde son intérêt pour spécialiser un modèle open-source local sur un vocabulaire métier ou un format de sortie très contraint.
Exemple concret
Un cabinet d'avocats réentraîne un modèle sur 2 000 de ses propres courriers pour qu'il adopte son style et son vocabulaire. Le modèle rédige ensuite des premiers jets qui ressemblent à ceux du cabinet.
Quand y penser
Quand il faut un ton, un format ou un vocabulaire très spécifique et stable. Pour donner à l'IA accès à vos documents, le RAG est presque toujours plus simple, moins cher et plus facile à tenir à jour.
Question fréquente
Faut-il fine-tuner un modèle pour qu'il connaisse mon entreprise ?
Rarement. Dans la plupart des cas, connecter le modèle à vos documents (RAG) suffit et évite de le réentraîner à chaque changement. Le fine-tuning se justifie pour le style ou des tâches très répétitives.
Pour aller plus loin
L'IA souveraine, en pratique
Tous les modèles IA, déployés sur votre infrastructure, avec vos documents connectés.