Aller au contenu
Module
Module 2 sur 6Leçon 1 sur 2~20 min

Choisir entre RAG, contexte long, données injectées et fine-tuning

Lancer un RAG par réflexe peut coûter des mois de travail quand une approche plus simple aurait suffi. Cette leçon aide le PM à choisir, besoin par besoin, entre contexte long, données fournies par l'application, RAG et fine-tuning, et à défendre ce choix face à l'équipe avec des critères produit clairs.

Mis à jour le 29 septembre 2026.

En bref

Le RAG n'est utile que lorsque le corpus est trop gros pour tenir dans le contexte du modèle, change souvent ou dépend des droits de chaque utilisateur. Sinon, le contexte long ou des données injectées par l'application suffisent, et le fine-tuning sert plutôt à ajuster un style ou un format. Choisir besoin par besoin évite de bâtir une infrastructure inutile.

Objectif de la leçon

À la fin de cette leçon, vous serez capable de choisir, pour chaque besoin d'information de votre produit, entre contexte long, données injectées par l'application, RAG et fine-tuning, et de justifier ce choix par le volume, la fréquence de mise à jour, les droits et le coût.

Les questions auxquelles cette leçon répond

  • Faut-il choisir le RAG ou le contexte long pour une base de connaissances ?

    Si la base est petite, stable et identique pour tous, le contexte long est plus simple. Dès qu'elle grossit, change souvent ou varie selon les droits, le RAG devient pertinent.

  • Quand choisir le fine-tuning plutôt qu'un RAG pour un assistant IA ?

    Quand il faut changer un comportement, un ton ou un format de sortie, pas ajouter des connaissances. Pour des faits qui évoluent, le RAG reste plus simple à tenir à jour.

  • Comment décider si un produit a vraiment besoin d'un RAG ?

    Regardez le volume d'information, sa fréquence de mise à jour, les droits d'accès et le coût. Si une approche plus simple couvre le besoin, le RAG n'est pas justifié.

Thèmes abordés

  • RAG ou fine-tuning
  • contexte long
  • fine-tuning LLM
  • choisir une approche IA

Dans le glossaire

Tout le glossaire

Guide sur ce thème

Dans quel module

Faut-il un RAG, et sur quelles sources ?

Mon besoin justifie-t-il un RAG, et quelles sources doivent y entrer ?

Leçons du module

  1. Choisir entre RAG, contexte long, données injectées et fine-tuning (cette leçon)
  2. Inventorier les sources et les métadonnées

Ce que vous apprendrez dans ce module

Cette leçon fait partie de la formation Concevoir une architecture RAG adaptée à son produit

  • Choisir, pour un besoin d'information, entre contexte long, données injectées par l'application, RAG et fine-tuning, et justifier le choix par le volume, la fréquence de mise à jour, les droits et le coût.
  • Spécifier l'inventaire des sources, les exclusions, les métadonnées à capturer et la stratégie de découpage des documents.