Fine-tuning

Un modèle d’IA est d’abord entraîné de façon générale, sur une masse de textes très variés. Le fine-tuning, ou réglage fin, ajoute une seconde phase plus courte : on lui montre de nombreux exemples propres à un usage, pour modifier durablement ses réflexes. Par exemple : toujours répondre dans un format précis, adopter le ton de la marque ou classer des demandes selon les catégories maison.

C’est une opération technique et coûteuse. Il faut préparer des exemples de qualité, disposer de compétences spécialisées, payer la puissance de calcul, et recommencer à chaque nouvelle version du modèle. Si les exemples contiennent des informations sur des personnes, ils doivent aussi respecter le RGPD.

Une idée reçue répandue : « il faut entraîner notre propre IA sur nos données ». Dans la plupart des cas, c’est inutile. Pour que l’IA connaisse vos documents, le RAG est plus simple et reste à jour. Pour qu’elle suive vos règles, un bon prompt avec quelques exemples suffit souvent. Le fine-tuning sert surtout à des tâches répétitives, en très grand volume, où chaque détail de format compte.

Pour qu’une IA comme Claude Code ou Codex fabrique un outil interne, aucun fine-tuning n’est nécessaire : le contexte passe par le prompt et par un fichier où sont notées les règles du projet, comme CLAUDE.md pour Claude Code.