.png){kind=logo}
Affinage d'un modèle (Fine-tuning)
L'affinage d'un modèle (le fine-tuning, littéralement réglage fin) consiste à reprendre un modèle d'IA déjà entraîné et à le réentraîner sur un jeu de données spécifique pour le spécialiser sur une tâche, un ton ou un domaine précis. On ne repart pas de zéro : on ajuste un modèle existant à partir d'exemples représentatifs de ce que vous voulez qu'il produise.
En bref
Le fine-tuning, c'est prendre une IA généraliste et lui faire réviser vos propres exemples pour qu'elle colle exactement à votre besoin.
Un exemple
Une entreprise qui veut classer automatiquement ses tickets support dans les bonnes catégories peut affiner un modèle sur quelques centaines de tickets déjà étiquetés, plutôt que de décrire toutes les règles dans le prompt.
Pourquoi c'est important
Un modèle généraliste sait beaucoup de choses mais pas les vôtres : votre vocabulaire métier, votre format de réponse, votre style. Plutôt que de tout réexpliquer à chaque requête, l'affinage grave ces habitudes dans le modèle à partir d'exemples, ce qui donne des réponses plus régulières et parfois des prompts plus courts.
À retenir
Avant d'affiner, teste d'abord un bon prompt et le RAG (donner les documents au modèle) : c'est plus rapide, moins coûteux et suffit dans la majorité des cas. Réserve le fine-tuning aux besoins de style ou de format très stables, et prévois de le refaire à chaque changement de modèle.
Pour aller plus loin
Un projet tech, data ou IA à cadrer, et l'envie de comprendre ce qu'on construit pour vous ?
