Fine-tuning (réglage fin)

Le fine-tuning (réglage fin) consiste à prendre un modèle d'IA déjà entraîné de façon générale et à continuer de l'entraîner avec un jeu de données plus petit et spécialisé, afin de l'adapter à une tâche, un secteur ou un style précis. Au lieu de construire un modèle de zéro — ce qui est extrêmement coûteux —, on exploite son savoir existant et on lui enseigne par exemple le ton d'une marque, le jargon d'un domaine médical ou la façon de classer les tickets d'un service d'assistance. On obtient ainsi des réponses plus précises et plus cohérentes pour ce cas d'usage. C'est une alternative à des techniques comme les prompts détaillés ou le RAG, et les approches se combinent parfois. Il exige des données de qualité et un peu de savoir technique, mais permet des modèles bien mieux ajustés à un besoin réel.