Prompt, RAG ou ajustement fin : leçon gratuite

Prompt, recherche ou ajustement fin : comment choisir

Trois moyens changent le comportement d’une fonction adossée à un modèle : un meilleur prompt, la recherche documentaire et l’ajustement fin (fine-tuning). La recherche documentaire s’appelle aussi RAG, pour « génération augmentée par la recherche ». Ils corrigent des problèmes différents et coûtent très inégalement. C’est important, car les équipes choisissent souvent d’abord le plus cher.

Une équipe d’assistance veut des réponses dans le ton de la maison, d’après le tarif de cette semaine, dans un format fixe. Ce sont trois besoins, qui n’ont peut-être pas la même solution.

À la fin de cette leçon

Remarque

Je peux choisir entre un meilleur prompt, la recherche et l’ajustement fin pour un besoin.

Mots-clés

Mot	Ce que ça veut dire
Prompt	les consignes et exemples envoyés avec un appel
Recherche	aller chercher des documents et les envoyer avec l’appel
Ajustement fin	entraîner encore un modèle sur vos exemples
Exemple d’entraînement	une entrée associée à la sortie voulue
Connaissance	les faits dont dépend la réponse

Les cellules que les étudiants remplissent restent vides dans cet aperçu.

L’ajustement fin n’est pas lancé ici

Attention

Le labo ne peut pas ajuster finement un modèle. Cette leçon est un exercice de décision. Elle donne les questions à poser et une règle d’enseignement. Elle n’affirme pas ce qu’un ajustement fin vous apporterait : mesurez-le sur vos propres cas.

Demandez quelle sorte de problème c’est

Posez quatre questions dans l’ordre. La réponse dépend-elle de faits privés ou changeants ? Le modèle échoue-t-il sur la forme, comme le ton ou le format ? Avez-vous essayé un prompt clair avec des exemples ? Avez-vous assez d’exemples et un moyen de mesurer ?

Les faits mènent à la recherche. La forme mène d’abord au prompt, et à l’ajustement fin seulement quand le prompt échoue et que les exemples existent.

Exemple travaillé : cinq besoins

Besoin	Première question	Premier pas probable
Un ton aimable	Un prompt avec exemples échoue-t-il ?	Prompt, puis ajustement fin s’il échoue et que les exemples existent
Des prix qui changent chaque semaine	Les faits changent-ils ?	Recherche : des faits ajustés vieillissent
Un format de sortie strict	Des exemples peuvent-ils le montrer ?	Prompt, avec un contrôle qui analyse la sortie
Des réponses tirées de notices privées	Les faits sont-ils privés ?	Recherche, avec les sources affichées
Un coût par appel plus bas	Quelle est la taille du prompt ?	Mesurer d’abord : un prompt plus court ou un modèle plus petit

Les cellules que les étudiants remplissent restent vides dans cet aperçu.

Coût et limites de chaque choix

Un prompt se change à bas prix et s’annule facilement, mais il consomme des jetons à chaque appel. La recherche ajoute un stockage et une recherche, et échoue quand la recherche rate. L’ajustement fin demande des exemples, un entraînement et un nouveau modèle à entretenir, et il ne garde pas les faits à jour.

Aucun ne corrige une exigence manquante ni une mauvaise évaluation. Écrivez d’abord les cas qui décident du succès.

Une erreur fréquente

Attention

Beaucoup pensent que l’ajustement fin apprend de nouveaux faits à un modèle. Il façonne surtout le style et le format. Les faits qui changent relèvent de la recherche, où l’on met un document à jour et où la réponse change le jour même.