Ajustement fin

L’ajustement fin consiste à reprendre un modèle déjà entraîné et à poursuivre un peu son apprentissage sur un ensemble d’exemples plus étroit et précis. On obtient une version spécialisée pour une tâche, un ton ou un domaine, sans le coût immense d’un modèle construit de zéro.

La méthode peut être remarquablement efficace. Un fonds spéculatif a ainsi affiné un modèle gratuit à poids ouverts avec le jugement de ses experts et dépassé toutes les grandes IA fermées sur des tâches financières, pour une fraction du coût. La leçon est générale : pour un travail spécialisé, un petit modèle façonné par vos données peut battre un grand modèle généraliste.

L’ajustement fin explique en grande partie la valeur des modèles à poids ouverts pour les entreprises : vous pouvez les adapter à vos besoins tout en gardant modèle et données sous votre contrôle.