Fine-tuning
Définition
Le fine-tuning poursuit l'entraînement d'un modèle existant sur des exemples propres à l'entreprise afin qu'il adopte un style, un format ou un comportement de classification donné. Il change la façon dont un modèle répond, pas les faits actuels qu'il connaît, et reste généralement la dernière option après le prompt et la récupération.
Il est rentable pour des tâches étroites, à fort volume et répétitives, avec des formats de sortie stables — classification de documents, extraction structurée, correspondance standardisée.
Il convient mal aux connaissances qui évoluent : prix, stocks, conditions contractuelles. Celles-ci relèvent de la récupération documentaire ou d'une requête directe au système.
En pratique
- Idéal pour la cohérence de style, de format et de classification
- Nécessite un jeu d'exemples d'entreprise sélectionné et annoté
- Ajoute une charge de maintenance à chaque nouvelle génération de modèle
Termes liés
- Grand modèle de langage (LLM)Un grand modèle de langage est un modèle statistique entraîné sur de très vastes corpus de texte, qui prédit les suites probables d'un texte. Il peut classer, résumer, traduire et rédiger, et constitue le composant de raisonnement de la plupart des agents IA — mais il ne détient à lui seul aucune donnée d'entreprise en temps réel.
- Génération augmentée par récupération (RAG)La génération augmentée par récupération est une méthode où les documents pertinents de l'entreprise sont d'abord recherchés, puis les passages retrouvés sont fournis au modèle de langage comme contexte. Le modèle répond à partir de ces passages, ce qui rend les réponses actuelles, sourcées et vérifiables.
- Ingénierie de promptL'ingénierie de prompt consiste à spécifier par écrit ce qu'un modèle doit faire : la tâche, les règles, le format d'entrée et la structure de sortie exigée. Dans les systèmes en production, les prompts sont des artefacts versionnés, testés sur des cas réels comme tout autre code.