noun
L’affinement d’un modèle d’IA (fine-tuning) consiste à adapter un modèle d’IA pré-entraîné pour qu’il fonctionne mieux sur une tâche spécifique. Plutôt que de former un modèle à partir de zéro, cette méthode utilise un modèle existant et l’ajuste avec de nouvelles données pertinentes.
Le processus implique généralement de fournir de nouveaux exemples au modèle, d’ajuster ses paramètres et parfois de figer certaines couches pour éviter le surapprentissage. L’affinement est courant dans les modèles de langage, les générateurs d’images et d’autres outils d’IA où les modèles généraux doivent être adaptés à des applications spécifiques.
Pour les utilisateurs, l’affinement peut améliorer les résultats, mais il entraîne aussi des coûts supplémentaires et une complexité technique accrue. Par exemple, une entreprise qui affine un modèle de langage pour le service client pourrait dépenser 500 à 2 000 euros pour améliorer la précision des réponses de 10 à 15 %. Cela nécessite toutefois une expertise en entraînement d’IA et un accès à des données de qualité.
Une entreprise affine un modèle de génération d'images pour créer des visuels plus réalistes pour ses campagnes publicitaires.
Dans les autres langues
Voir aussi : Transfer Learning