RAG ou fine-tuning : deux façons de faire apprendre votre entreprise à une IA
RAG ou fine-tuning, en bref : ce sont deux façons de rendre une IA utile pour votre propre entreprise. Avec le RAG, l'IA va chercher les informations de votre entreprise au moment où vous posez la question et répond à partir de ce qu'elle trouve. Avec le fine-tuning, l'IA est entraînée davantage sur vos propres exemples, et son comportement change durablement. Le RAG lui donne des connaissances. Le fine-tuning lui donne des habitudes.
RAG : un examen à livre ouvert
RAG signifie retrieval-augmented generation, soit génération augmentée par la recherche. En mots simples : chercher d'abord, répondre ensuite. Quand vous posez une question, une recherche parcourt vos documents et vos enregistrements. Les passages les plus pertinents sont placés devant l'IA, qui écrit sa réponse à partir d'eux. L'IA elle-même reste exactement la même.
Demandez « Quel préavis avons-nous convenu avec notre propriétaire ? » et la recherche retrouve la clause du bail. L'IA répond à partir de cette clause et peut vous montrer d'où elle vient.
Fine-tuning : un entraînement supplémentaire
Le fine-tuning prend une IA existante et l'entraîne davantage sur des exemples que vous préparez. Il faut en général des centaines ou des milliers d'exemples, chacun montrant une demande et la réponse idéale. Le résultat est une nouvelle version de l'IA qui suit ces schémas sans qu'on ait à le lui répéter.
Une entreprise pourrait faire du fine-tuning d'une IA sur deux mille anciennes réponses du support, pour que chaque brouillon sorte dans le ton de la maison.
La différence en un tableau
| RAG | Fine-tuning | |
|---|---|---|
| Ce qui change | Ce qu'on montre à l'IA | L'IA elle-même |
| Idéal pour | Faits, documents, données à jour | Ton, format, une tâche étroite |
| Quand l'information change | La réponse suivante utilise la nouvelle version | L'entraînement doit être refait |
| Montre d'où vient une réponse | Oui | Non |
| Travail pour démarrer | Vos contenus doivent être consultables | Il faut rassembler et vérifier beaucoup de bons exemples |
Un malentendu courant
Beaucoup de dirigeants pensent que le fine-tuning est la manière « d'apprendre notre entreprise à l'IA » : on lui donne le manuel, la grille de prix et les dossiers clients, et elle les connaîtra. Le fine-tuning ne fonctionne pas ainsi. Une IA ne stocke pas le texte comme un classeur. Elle retient des schémas. Elle peut alors citer un prix ou un nom de travers tout en paraissant sûre d'elle. Les faits doivent se trouver à un endroit où on peut les consulter, les mettre à jour et les vérifier.
Lequel vous faut-il ? Quatre questions
- L'IA a-t-elle besoin de faits sur vos clients, vos produits ou vos règles ? RAG.
- Ces informations changent-elles au cours de l'année ? RAG.
- Des personnes différentes peuvent-elles voir des informations différentes ? RAG. Une recherche peut ne montrer à chacun que ce qu'il a le droit de voir. Une IA entraînée ne peut pas faire cette différence.
- Le contenu est-il bon, et seuls le ton ou le format sont faux ? Écrivez d'abord des instructions plus claires et ajoutez-y quelques exemples. N'envisagez le fine-tuning que si cela ne suffit pas.
Pour la plupart des petites entreprises, les trois premières questions tranchent. Le fine-tuning demande un grand ensemble de bons exemples et quelqu'un pour s'en occuper. Il ne se rentabilise guère que pour une tâche étroite répétée un très grand nombre de fois.
On peut aussi combiner les deux. L'un fixe la façon dont la réponse sonne, l'autre ce qu'elle contient.
Ce dont dépend le RAG
Le RAG vaut ce qu'il peut trouver. Vos contenus doivent se trouver à un endroit que la recherche peut atteindre. Ils doivent être à jour. Et il ne doit pas y avoir trois anciennes versions du même fichier qui disent des choses différentes.
Comment Worknano gère cela
Worknano choisit la voie de la recherche. Sa recherche sémantique, une recherche qui retrouve le texte par son sens, couvre les documents, tâches, deals, contacts et OKR, y compris le texte à l'intérieur des fichiers PDF, Word, Excel et PowerPoint importés. L'AI Assistant et les agents répondent à partir des passages qu'elle trouve. Les contenus nouveaux et modifiés deviennent consultables automatiquement : il n'y a donc rien à réentraîner. Chacun ne trouve que ce qu'il a le droit de lire. Le ton de l'assistant est aussi un réglage : la voix de la marque se définit sous Organization, Settings.