Pour aller plus loin dans l'IA, personne ne peut ignorer les méthodes utilisées pour dépasser un résultat moyen, mais obtenir une réponse à la fois pertinente, juste (vérifiée) et complète. L'utilité du fine-tuning et du RAG est justement d'intégrer dans la réponse des données qu'on contrôle, et qui pourraient manquer dans un modèle entrainé sans ces données. C'est très utile, notamment quand les données en question ne sont pas accessibles publiquement ou quand des données contradictoires sont incluses dans le corpus d'entrainement (par exemple des fake-news, mais aussi des données obsolètes encore accessibles, etc) Je vous recommande la lecture de mon amis Vincent Pinte Deregnaucourt, vous ne le regretterez pas. Vous allez : - découvrir les stratégies d'entrainement des modèles - comprendre la différence entre RAG et Fine-Tuning, et à quoi servent plutôt l'un et l'autre - lire de nombreux exemples pour illustrer le propos - appréhender les enjeux éthiques de l'entrainement - mieux évaluer le potentiel de l'IA au delà du chatbot que vous connaissez déjà