Fine-tuning

Le fine-tuning (ajustement fin) prend un modèle déjà entraîné et le ré-entraîne sur un jeu d'exemples ciblés pour spécialiser son comportement. On ne refait pas l'entraînement complet — hors de prix — on ajuste : le modèle apprend un style, un format de sortie, un ton de marque ou un domaine pointu à partir de quelques centaines à quelques milliers d'exemples. À ne pas confondre avec le RAG : le fine-tuning modifie le modèle pour changer sa manière de répondre, le RAG lui apporte du savoir frais sans le toucher. Règle pratique 2026 : pour donner des connaissances à jour, RAG ; pour imposer un comportement récurrent (parler comme ta boîte, sortir toujours le même JSON), fine-tuning. Souvent, les deux se combinent. Avant d'en arriver là, un bon prompt suffit dans la majorité des cas — le fine-tuning se justifie quand le besoin est stable et volumineux.