// INTELLIGENCE ARTIFICIELLE
RAG ou affinage ? Quel problème appelle quoi
7 min de lecturenijitech
On prend les deux pour la réponse à une phrase qui commence par « apprenons nos données au modèle ». Ils résolvent deux problèmes distincts. Trois critères tranchent.
Article complet
Un projet d’IA interne commence presque toujours par la même phrase : « apprenons nos données au modèle ». Cette phrase a deux lectures techniques distinctes, et elles résolvent des problèmes différents. Se tromper de lecture ne condamne pas le projet, mais le rend inutilement coûteux et inutilement fragile.
Ce que chacun modifie
Le RAG est une couche qui trouve le document pertinent et le remet au modèle avant la réponse. Il ne touche pas au modèle lui-même ; il lui donne le bon contexte. L’affinage met à jour les poids du modèle avec vos exemples et change sa manière de se comporter.
La distinction se précise ici : le RAG change la connaissance, l’affinage change le comportement. « Quelle est la politique de retour de l’entreprise » est une question de connaissance. « Réponds toujours sur ce ton et dans ce format » est une demande de comportement.
1. À quelle fréquence la connaissance change-t-elle ?
Cette seule question tranche à elle seule la plupart des décisions. Tarifs, stocks, documents de politique interne, versions de contrat — tout ce qui bouge relève du RAG. Vous mettez le document à jour et le système répond correctement dès la question suivante.
Inscrire la même connaissance dans le modèle par affinage suppose de réentraîner à chaque changement. Pour quelque chose qui change deux fois par semaine, c’est une boucle intenable.
2. Faut-il citer une source ?
Le RAG peut montrer à partir de quel document il a produit une réponse ; un modèle affiné ne le peut pas, car la connaissance est désormais répartie dans ses poids. En usage professionnel, c’est souvent décisif : il ne suffit pas que la réponse soit juste, elle doit être vérifiable.
3. Voulez-vous du format, ou de la connaissance ?
C’est là que l’affinage paie vraiment : rendre permanents le format de sortie, le ton et la maîtrise du vocabulaire métier. Plutôt que de décrire longuement le format dans chaque invite, le modèle le connaît déjà — ce qui réduit à la fois la longueur de l’invite et le coût.
Là où l’affinage gagne sa place
- La sortie doit suivre la même structure rigide à chaque fois
- Le vocabulaire métier est plus spécifique que ce qu’un modèle généraliste connaît
- La même longue consigne est répétée à chaque appel
- Un petit modèle doit se comporter presque comme un grand
La réponse est le plus souvent « les deux »
Les montages qui fonctionnent bien en pratique utilisent généralement les deux : la connaissance arrive par le RAG, le format et le ton sont fixés par l’affinage. Ce ne sont pas des rivaux mais des couches différentes.
L’ordre compte, en revanche. Le RAG vient d’abord, on le mesure, et il montre où il reste court. Un affinage fait sans mesure est une ligne de coût dont personne ne connaît l’effet.
En bref
Trois questions
- La connaissance change-t-elle ? — Si oui, RAG
- Faut-il citer des sources ? — Si oui, RAG
- Le problème est-il le format plutôt que la connaissance ? — Si oui, affinage
Et dans les deux cas, construisez d’abord le jeu d’évaluation. Sans mesure, savoir lequel a aidé reste une opinion.
Produits cités dans cet article
Du glossaire : RAG (génération augmentée par recherche) · Hallucination · Jeu d'évaluation (eval)