Fine-tuning d'un LLM : définition et cas d'usage
Le fine-tuning (ajustement fin) consiste à poursuivre l'entraînement d'un modèle déjà entraîné sur un jeu d'exemples propre à une tâche : des paires question et réponse attendue, des textes au style voulu, des classements corrigés. Les paramètres du modèle sont modifiés, ce qui change durablement son comportement. On obtient une version spécialisée du modèle de départ, qu'il faut ensuite héberger, évaluer et maintenir.
Définition rédigée par Alex Dionisio, Senior Product Manager. Mis à jour le 13 novembre 2026.
Pourquoi c’est important pour un PM
Le fine-tuning revient souvent dans les discussions comme la solution pour « apprendre nos données au modèle ». En réalité, il sert surtout à fixer un format, un ton ou une tâche répétitive, et il convient mal à des connaissances qui changent. Un PM qui connaît cette nuance évite un projet long et coûteux là où un meilleur prompt, des exemples bien choisis ou un RAG auraient suffi.
Exemple
Une plateforme de recrutement classe des milliers d'offres d'emploi par métier. Avec un prompt détaillé, un grand modèle classe correctement, mais chaque appel est cher. L'équipe annote quelques milliers d'offres et ajuste un modèle plus petit sur ces exemples. Le modèle ajusté atteint une qualité proche sur le jeu de test, pour un coût par appel bien inférieur.
Points clés
- Le fine-tuning agit sur le comportement et le style ; pour des faits à jour, un RAG est en général mieux adapté.
- Il exige un jeu d'exemples propre et représentatif, souvent le poste de travail le plus lourd.
- Un modèle ajusté doit être réévalué à chaque nouvelle version du modèle de base.
- Il permet parfois de remplacer un grand modèle par un plus petit sur une tâche étroite.
Erreurs fréquentes
- Se lancer dans le fine-tuning avant d'avoir épuisé le prompt et les exemples dans le prompt.
- Ajuster un modèle sur des données personnelles sans base légale ni accord du fournisseur.
- Oublier le coût de maintenance : données à rafraîchir, réentraînement, évaluation continue.
Pour aller plus loin dans Module
Les formations et les leçons qui traitent cette notion :
Guide sur ce thème
- RAG ou fine-tuning : comment choisir
Ce que règle chaque approche, les critères de choix et comment évaluer, avec une grille de décision.