Lexique des agents IA
Fine-tuningAjustement fin, affinage d’un modèle
Définition. Le fine-tuning consiste à poursuivre l’entraînement d’un modèle d’IA existant sur une série d’exemples choisis (une demande, la bonne réponse) pour qu’il excelle dans une tâche précise. Le modèle obtenu est une version personnalisée du modèle de départ.
Concrètement, on rassemble un jeu d’exemples d’entrées et de sorties attendues, on le transmet à l’éditeur du modèle, qui lance un entraînement complémentaire. OpenAI cite plusieurs intérêts : fournir plus d’exemples qu’une consigne ne peut en contenir, raccourcir les prompts et adapter un modèle plus petit et moins coûteux à une tâche donnée.
OpenAI comme Mistral recommandent pourtant de commencer par travailler le prompt, plus rapide et moins coûteux, qui suffit souvent. Pour qu’une IA s’appuie sur vos documents, le RAG est en général plus adapté : mettre à jour un document ne demande pas de réentraîner le modèle.
Pour une TPE, le fine-tuning est rarement la première étape. Il demande des exemples de qualité en nombre, des compétences techniques et un budget d’entraînement. La plupart des besoins courants d’un agent IA se règlent avec de bonnes consignes et l’accès aux bons documents.
Un exemple en entreprise
Un réseau d’agences qui classe chaque jour de nombreuses demandes entrantes selon une grille maison peut affiner un petit modèle sur des demandes déjà classées à la main, pour obtenir un tri rapide et constant à moindre coût.