GuidesComprendre l’IA

RAG ou fine‑tuning : lequel choisir pour votre IA

Par l’équipe Banzai LabsMis à jour le 3 min de lecture

Au moment de répondreLe modèle est réentraînéRAG : on lui donne vos documentsFine-tuning : on le modifie
Le RAG donne vos documents au modèle à chaque question. Le fine-tuning modifie le modèle lui-même.

La différence en une ligne

Deux façons d’apporter votre savoir
RAG
  • On cherche dans vos documents
  • On joint les passages à la question
  • Le modèle ne change pas

Bon pour des faits qui bougent.

Fine-tuning
  • On réunit des exemples
  • On réentraîne le modèle
  • Le modèle change

Bon pour un style, un format, une tâche répétée.

Le tableau de choix

Critère RAG Fine-tuning
Données qui changent Mises à jour en réindexant Nouvel entraînement
Source citée Oui Non
Ton, format imposé Par le prompt Appris
Coût de départ Faible Jeu d’exemples à constituer
Coût à l’usage Plus de tokens d’entrée Prompts plus courts

Comment décider

Dans cet ordre
  1. 1Un bon promptSouvent suffisant pour le ton et le format. Voir le prompt système.
  2. 2Un RAGDès que la réponse dépend de vos documents.
  3. 3Un fine-tuningSi un format très précis ou un volume énorme le justifie.

Pour aller plus loin : RAG, l’IA sur vos documents et les embeddings.

Questions fréquentes

Le fine-tuning apprend-il mes documents au modèle ?
Mal. Il fixe surtout une manière de répondre. Pour des faits précis et à jour, le RAG est plus fiable et cite sa source.
Peut-on combiner les deux ?
Oui. Un modèle ajusté pour le ton et le format, alimenté par un RAG pour les faits. C’est rarement nécessaire au départ.
Par quoi commencer ?
Par un bon prompt et un RAG. Le fine-tuning vient ensuite, si un besoin de style ou de format reste mal couvert.

À lire ensuite

Tous les guides