Fine-tuning (réglage fin)

Poursuivre l’entraînement d’un modèle pré-entraîné sur vos données pour qu’il maîtrise un style, un format ou une tâche spécifique.

À privilégier quand il faut un ton ou un format de sortie constants que le prompting seul n’atteint pas. Pour injecter des connaissances récentes, le RAG revient en général moins cher et reste plus simple à tenir à jour.

Ressources associées

Réglage fin manuel des LLM

Un guide pratique et orienté terrain pour le fine-tuning des grands modèles de langage, couvrant les approches paramétriquement efficaces comme LoRA et QLoRA ainsi que le fine-tuning traditionnel. Il détaille la préparation des données, le réglage des hyperparamètres et les métriques d'évaluation avec des exemples de code réels — destiné aux ingénieurs ML qui veulent adapter des modèles de base à des domaines spécifiques sans le coût d'un entraînement from scratch.