Modèle de fondation

Définition

Un modèle de fondation est un grand modèle d'IA entraîné à grande échelle sur des données larges et généralistes, que l'on peut adapter à de nombreuses tâches en aval — par prompting, par recherche documentaire ou par fine-tuning — au lieu d'être conçu pour une seule tâche étroite.

Aussi connu sous : modèle de basemodèle pré-entraînémodèle frontière

Comment cela fonctionne

Les modèles de fondation sont pré-entraînés sur des jeux de données immenses et variés, ce qui leur confère de larges capacités générales. Plutôt que d'entraîner un nouveau modèle pour chaque tâche, les équipes adaptent un même modèle de fondation à de nombreux usages — résumé, classification, conversation, code — par prompting, RAG ou fine-tuning.

Les grands modèles de langage sont les modèles de fondation les plus connus, mais le terme couvre aussi les modèles multimodaux, qui traitent images, audio et autres données en plus du texte.

Pourquoi c'est important pour le support

Les modèles de fondation sont les moteurs généralistes sur lesquels s'appuient les outils d'IA de support. Une plateforme de support n'entraîne généralement pas son propre modèle : elle adapte un modèle de fondation avec vos connaissances et vos outils. La qualité du modèle sous-jacent, et la qualité de son ancrage, déterminent donc les résultats.

Questions fréquentes

Un grand modèle de langage est-il un modèle de fondation ?

Oui — un LLM est un modèle de fondation pour le texte. « Modèle de fondation » est le terme plus large et englobe aussi les modèles multimodaux qui traitent images ou audio.

Quelle est la différence entre un modèle de fondation et un modèle affiné ?

Un modèle de fondation est la base large et généraliste ; un modèle affiné est cette base réentraînée sur des données propres à une tâche, pour spécialiser son comportement sur un usage précis.

Termes liés

Grand modèle de langage (LLM)

Un grand modèle de langage (LLM) est un réseau de neurones entraîné sur d'immenses volumes de texte pour prédire et générer du langage, ce qui lui permet de comprendre des questions, de résumer, de classer et de rédiger des réponses proches de l'écriture humaine..

Fine-tuning

Le fine-tuning consiste à poursuivre l'entraînement d'un modèle de langage pré-entraîné sur un jeu de données plus petit et propre à une tâche, afin de l'adapter à un domaine, à un style ou à un comportement — en modifiant les poids du modèle, et pas seulement ses instructions..

IA générative

L'IA générative est une catégorie d'IA qui crée du contenu nouveau — texte, images, code ou audio — en apprenant des régularités dans ses données d'entraînement, au lieu de se contenter de classer ou de prédire à partir d'entrées existantes..

Modèle Transformer

Un modèle Transformer est une architecture de réseau de neurones qui traite d'un seul coup une séquence entière de texte, en utilisant un mécanisme d'attention pour pondérer le lien entre chaque mot et tous les autres ; c'est le socle de presque tous les grands modèles de langage modernes..

Apprentissage automatique (machine learning)

L'apprentissage automatique est une branche de l'IA dans laquelle les systèmes apprennent des régularités à partir de données pour faire des prédictions ou prendre des décisions, au lieu de suivre des règles écrites à la main par un développeur..

Passez à l'action

Macha est une couche d'agents IA qui se pose sur le help desk que vous utilisez déjà, Zendesk, Freshdesk, Front, Intercom ou Gorgias.

Démarrer l'essai