Les modèles d’intelligence artificielle, comme les grands modèles de langage (ChatGPT, LLaMA, etc.), sont entraînés sur des milliards de mots pour apprendre à comprendre et générer du texte. Mais une question se pose rapidement: comment adapter ces modèles à des besoins spécifiques, comme répondre à des questions médicales, juridiques ou encore sur la documentation interne d’une entreprise ? Deux grandes approches existent pour cela: le fine-tuning et le RAG (Retrieval-Augmented Generation). Elles poursuivent le même objectif, à savoir rendre l’IA plus utile et pertinente, mais chacune suit une logique différente.