Le fine-tuning (ajustement ou réglage fin) est une technique qui consiste à prendre un modèle d'intelligence artificielle déjà pré-entraîné sur de grandes quantités de données génériques et à le réentraîner sur un jeu de données spécifique pour l'adapter à un domaine ou une tâche particulière.
Imaginez un LLM généraliste comme un étudiant ayant lu des millions de livres. Le fine-tuning, c'est comme lui faire suivre une spécialisation en droit ou en médecine : il conserve ses connaissances générales mais acquiert une expertise ciblée.
Le processus utilise moins de données et de calcul que l'entraînement complet d'un modèle. On distingue notamment :
- Fine-tuning complet : on ajuste tous les paramètres du modèle.
- LoRA (Low-Rank Adaptation) : on n'ajuste qu'un petit sous-ensemble de paramètres, beaucoup plus économique.
- Instruction tuning : on spécialise le modèle à suivre des instructions.
Applications : chatbots spécialisés (support client, conseiller juridique), classification de textes métier, génération de code interne, analyse de documents médicaux. Le fine-tuning permet d'obtenir des performances bien supérieures au modèle généraliste sur des cas d'usage précis.
Vous avez des données métier à exploiter ? Parlez-nous de votre projet.