Adaptation d'un modèle déjà pré-entraîné à une tâche ou un domaine précis par un entraînement complémentaire sur des données ciblées.
Le réglage fin est l'opération consistant à spécialiser un modèle déjà pré-entraîné, comme un modèle de fondation, en lui faisant suivre un entraînement complémentaire sur un ensemble de données ciblées, propres à une tâche ou à un domaine particulier. Plutôt que d'entraîner un modèle depuis zéro, ce qui exigerait des ressources colossales, on capitalise sur les connaissances générales déjà acquises et on les oriente vers un usage précis, par exemple l'analyse de contrats juridiques ou le diagnostic médical. Cette technique a démocratisé l'usage de l'intelligence artificielle, en rendant accessible à de nombreuses organisations la création de modèles adaptés à leurs besoins à un coût raisonnable. Elle comporte cependant des risques propres qui intéressent directement la gestion des risques et l'assurance. Le réglage fin peut réintroduire ou amplifier des biais présents dans les données d'adaptation, dégrader involontairement les garde-fous de sécurité soigneusement mis en place par le concepteur du modèle de base, ou encore exposer des données confidentielles utilisées pour l'entraînement, qu'un modèle mal protégé peut ensuite restituer. Le réglage fin déplace ainsi une part de la responsabilité vers l'organisation qui adapte le modèle, brouillant le partage des responsabilités entre concepteur du socle et utilisateur spécialisateur.
Une entreprise affine un modèle de fondation sur ses propres dossiers pour automatiser le traitement des réclamations. Un réglage fin mal maîtrisé peut amener le modèle à restituer, dans ses réponses, des données confidentielles présentes dans les dossiers d'entraînement.
fine-tuning, réglage fin, ajustement fin, affinage