Fine-tuning (réglage fin)

Le fine-tuning part d'un modèle déjà pré-entraîné, par exemple un grand modèle de langage, et le réentraîne sur un jeu d'exemples spécifique à une tâche ou à un domaine. Selon la documentation de Google, cet entraînement complémentaire permet d'adapter un modèle de fondation à une application donnée sans changer son nombre de paramètres. On l'utilise pour obtenir un style rédactionnel constant, un format de réponse strict, une classification fine ou un vocabulaire métier. Il demande un jeu de données d'exemples de qualité, bien étiqueté, et un suivi de l'évaluation. Le fine-tuning n'est pas la bonne réponse à tous les besoins : pour donner accès à des informations changeantes ou à des documents internes, un RAG est souvent plus simple et plus facile à mettre à jour. De même, un bon prompt suffit souvent à obtenir le comportement voulu. La disponibilité de cette option dépend des éditeurs, qui font évoluer leurs offres : il faut vérifier les modèles réellement proposés. Les données d'entraînement doivent respecter le RGPD et la propriété intellectuelle.