La recherche en IA te passionne ?
Les papers et avancées qui comptent, expliqués simplement, chaque soir. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisis ton rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Comprendre les besoins réels des PME en IA
Dans le monde des petites et moyennes entreprises, les termes prompt, RAG et fine-tuning sont souvent sources de confusion. Cette méprise peut coûter cher, tant en termes financiers qu'en temps perdu. En réalité, ce dont une PME a besoin ne nécessite que rarement un fine-tuning, une opération qui s'avère souvent plus complexe et onéreuse que nécessaire.
Lors des premières rencontres avec les dirigeants, il n'est pas rare d'entendre : « Il nous faut une IA entraînée sur nos données. » Cette demande, bien que légitime, repose souvent sur une idée reçue selon laquelle un entraînement spécifique est synonyme de sérieux et de professionnalisme. Cependant, dans 9 cas sur 10, la réponse est d'attendre. Ce que ces dirigeants décrivent est souvent une solution qui coûte 20 fois plus cher que ce qui est réellement nécessaire et qui prend 4 mois à être mise en place.
Le prompt : une solution simple et efficace
Le prompt est la manière dont vous communiquez avec le modèle d'IA. Il s'agit des instructions que vous lui donnez, ainsi que du contexte que vous lui fournissez au moment de poser une question. Bien que cela puisse sembler basique, c'est souvent ce qui répond à l'écrasante majorité des besoins des PME.
Prenons l'exemple d'un cabinet comptable souhaitant automatiser le tri de ses e-mails clients par type de demande. Plutôt que de lancer un projet coûteux de 30 000 €, un prompt précis a été rédigé. En utilisant 5 exemples de mails déjà classés, cette solution a été intégrée à leur système en une semaine, pour le simple coût de l'abonnement API.
Les situations où le prompt suffit incluent la rédaction de devis, le résumé de comptes rendus, la réponse à des e-mails types, la reformulation de textes, ou encore l'extraction d'informations d'un document. Si votre besoin se résume à « explique bien au modèle ce que tu veux et donne-lui un ou deux exemples », alors le prompt est tout ce dont vous avez besoin.
RAG : l'IA au service de vos documents
Le terme RAG, qui signifie « génération augmentée par récupération », peut sembler intimidant, mais le concept est simple. Imaginez un assistant à qui vous ne demandez pas d'apprendre par cœur vos 4 000 documents. Au lieu de cela, vous lui associez un documentaliste. À chaque question posée, ce documentaliste va chercher les 3 passages les plus pertinents dans vos fichiers et les met à disposition de l'IA, qui répond alors en s'appuyant sur ces informations.
Cette approche est nécessaire lorsque l'IA doit s'appuyer sur votre matière, par exemple pour un chatbot de support connecté à votre base de connaissances, une recherche dans des centaines de contrats, ou un assistant qui répond sur vos procédures internes. L'un des grands avantages du RAG est que lorsque vous ajoutez un document, il est immédiatement pris en compte sans nécessiter de reprogrammation. Vous gardez le contrôle sur ce que l'IA peut citer et vous savez d'où provient chaque réponse.
La mise en place du RAG peut prendre quelques semaines, selon le volume de documents à traiter. C'est une solution qui se situe au-dessus du prompt et qui couvre la quasi-totalité des cas restants.
Fine-tuning : une option rarement nécessaire
Le fine-tuning consiste à réentraîner le modèle sur vos propres exemples pour qu'il adopte un format ou un ton précis de manière durable. C'est ce que beaucoup de dirigeants imaginent lorsqu'ils parlent d'entraînement sur leurs données. Cependant, c'est là que je freine presque à chaque fois.
Pour que le fine-tuning soit justifié, trois conditions doivent être réunies simultanément : une tâche très étroite et répétitive, un gros volume de données, et des milliers d'exemples propres et bien étiquetés. La plupart des PME ne remplissent aucune de ces conditions.
Un piège souvent ignoré est que le jour où votre processus change, il faut tout réentraîner. De plus, tous les quelques mois, un nouveau modèle de base sort, souvent meilleur que votre version spécialisée d'il y a six mois. Votre investissement vieillit donc rapidement. Le coût le plus élevé dans ce processus est la préparation des données, un travail long et manuel que peu de gens apprécient.
Éviter les erreurs coûteuses
Le schéma que je vois le plus souvent est celui d'une entreprise qui saute directement au fine-tuning parce que cela semble sérieux, en négligeant le prompt et le RAG. Le résultat courant est une dépense de 40 000 € et 4 mois pour obtenir un résultat qu'un montage à 200 € par mois aurait pu livrer en 2 semaines. Avec, en prime, un modèle figé qu'il faudra réentraîner à la première évolution.
L'ordre correct est l'inverse. Commencez par le prompt. Si cela ne suffit pas, ajoutez du RAG. Le fine-tuning doit être le dernier recours, une fois que vous avez la preuve que rien d'autre ne suffit.
Prendre les bonnes décisions
Pour choisir la bonne approche, posez-vous ces questions dans l'ordre :
- Est-ce que le modèle a juste besoin de bonnes instructions et d'un ou deux exemples ? Alors c'est du prompt. Arrêtez-vous là.
- Est-ce qu'il doit puiser dans vos documents, à jour, et citer ses sources ? Alors c'est du RAG.
- Est-ce qu'il doit reproduire un format ou un ton très précis, des milliers de fois par jour, avec des exemples déjà étiquetés sous la main ? Seulement là, le fine-tuning se discute. Et encore : testez le RAG d'abord.
Si vous bloquez sur la première question, c'est déjà une excellente nouvelle pour votre budget.
Investir judicieusement
La vérité qui dérange les belles présentations est que le modèle est rarement le problème. Votre budget utile doit être alloué ailleurs : dans le rangement de vos données (un dossier client clair vaut mieux qu'un modèle dopé), dans des prompts bien écrits et testés, et dans la connexion de l'IA à vos outils existants, comme votre CRM, votre boîte mail, vos fichiers.
Une PME qui démarre a besoin d'un bon prompt, parfois d'un peu de RAG, et de quelqu'un qui connecte tout cela à son quotidien. Le jour où vous aurez vraiment besoin de fine-tuning, vous le saurez. Vos données vous le diront, votre volume aussi. En attendant, gardez les 40 000 €.
