Terme défini
Fine-tuning
Adapter un foundation model pré-entraîné sur des données spécifiques à une tâche pour améliorer la performance sur une tâche étroite.
Le fine-tuning continue l'entraînement d'un modèle de base sur un dataset labellisé pour la tâche cible. Rarement la première réponse en 2026 — le prompting + retrieval gère 80%+ des cas. À considérer quand vous avez 1000+ exemples labellisés et un gap de qualité clair que le prompting ne peut pas combler.
Termes liés
LoRA (Low-Rank Adaptation)
Méthode de fine-tuning parameter-efficient qui entraîne de petits adapters au lieu du modèle complet.
RAG (Retrieval-Augmented Generation)
Génération ancrée dans des sources documentaires récupérées plutôt que dans la mémoire paramétrique seule du modèle.
Versioning de prompts
Traiter les prompts comme du code : stockés, diffés, reviewés et rollbackés comme n'importe quel artefact production.
Fenêtre de contexte
Quantité maximale de tokens (input + output) qu'un LLM peut traiter en un seul call.
On utilise ça chaque semaine
Réserver un appel de 30 min
Réservez un appel de 30 min et on vous montre comment Fine-tuning apparaît dans un engagement réel qu'on opère.
Réserver un appel de 30 min