Fine-tuning ou RAG

Le choix entre fine-tuning et génération augmentée par récupération (RAG) est la décision d'architecture la plus débattue dans la conception de systèmes d'IA en entreprise. C'est aussi celle que l'on tranche le plus souvent à tort — les équipes choisissent en fonction de ce qui est techniquement séduisant plutôt que de ce que le problème exige réellement.

Ce livre blanc présente le cadre de décision que Tenten AI a forgé au fil de plus de 20 engagements en entreprise. Ce cadre n'est pas prescriptif : il existe des cas où le fine-tuning s'impose clairement, des cas où le RAG s'impose clairement, et des cas où les deux sont nécessaires. L'objectif est de donner aux équipes le vocabulaire et les critères pour décider délibérément, plutôt que par défaut.

La première clarification, et la plus importante : le fine-tuning et le RAG résolvent des problèmes différents. Le fine-tuning change ce qu'un modèle sait faire. Le RAG change l'information disponible au moment de l'inférence. Confondre ces deux problèmes est à l'origine de la plupart des erreurs d'architecture dans ce domaine.