Technique Mis à jour 2026-04
Fine-tuning
Definition
Le fine-tuning consiste à ré-entraîner un modèle IA pré-existant sur un jeu de données spécifique pour l'adapter à un domaine ou une tâche précise.
Voir aussi dans le glossaire
L
LLM (Large Language Model)
Un LLM est un modèle d'IA entraîné sur des milliards de textes, capable de comprendre et générer du langage humain.
R
RAG (Retrieval-Augmented Generation)
Le RAG est une technique qui connecte un LLM à des sources de données externes pour générer des réponses plus précises et à jour.
M
Machine Learning
Le Machine Learning est une branche de l'IA où les systèmes apprennent à partir de données pour améliorer leurs performances sans être explicitement programmés pour chaque tâche.
L
LoRA
LoRA est une technique de fine-tuning efficiente qui adapte un modèle IA en n'ajustant qu'une fraction de ses paramètres, réduisant drastiquement le coût.
Outils qui utilisent fine-tuning
S
Stable Diffusion
La référence open source de la génération d'images IA
4.4/5
L
Leonardo.ai
La plateforme de génération d'images IA pour les créatifs
4.5/5
O
OpenClaw
L'agent IA open source qui transforme vos LLMs en travailleurs autonomes
4.5/5
R
Replit
L'IDE cloud avec IA intégrée pour coder depuis n'importe où
4.5/5
Questions fréquentes
Quelle est la différence entre fine-tuning et RAG ?
Le fine-tuning modifie le modèle en le ré-entraînant. Le RAG fournit des informations au modèle au moment de la requête sans le modifier. Le RAG est plus simple et flexible, le fine-tuning donne des résultats plus intégrés.
Le fine-tuning est-il cher ?
Ça dépend. Un fine-tuning complet d'un LLM coûte des milliers à des millions de dollars. Mais les techniques comme LoRA permettent de fine-tuner à moindre coût en n'ajustant qu'une fraction des paramètres.
