Techniques d'adaptation d'un modèle pré-entraîné avec des données spécifiques au domaine ou à l'entreprise, sans réentraîner l'ensemble du modèle. Le fine-tuning efficace en paramètres (PEFT/LoRA) réduit drastiquement les ressources de calcul et énergétiques requises.
Alternative sobre au ré-entraînement complet (jusqu'à 100× moins de compute), mais qui ne dispense pas des obligations AI Act : le modèle affiné hérite du statut de son socle (documentation technique Annexe IV, transparence GPAI) et l'entreprise devient co-responsable des données ajoutées. Vigilance sur la fuite de données confidentielles dans les poids (impossible à effacer sans réentraînement), sur les biais amplifiés par un jeu d'affinage déséquilibré et sur la traçabilité contractuelle avec le fournisseur du modèle de base.
Un groupe assurance français affine un LLM sur 10 millions de dossiers clients via LoRA, réduisant les paramètres entraînables de 100 % à 4 % et le temps d'adaptation de 200 heures GPU à 8 heures, tout en conservant 99 % de la précision.
Termes connexes (Technologie)
IA fantôme (Shadow AI)
Utilisation non autorisée d'outils d'intelligence artificielle par les employés, contournant les politiques de sécurité, de conformité et de gouvernance de l'entreprise. Ce phénomène représente un risque ESG majeur : fuite de données sensibles, non-conformité RGPD/IA Act, absence de traçabilité et d'audit.
Ingénierie de prompt ESG
Discipline d'optimisation des instructions textuelles (prompts) données aux modèles d'IA pour obtenir des réponses pertinentes, précises et conformes aux exigences du reporting de durabilité. Inclut la structuration des requêtes, l'injection de contexte réglementaire et la réduction des hallucinations.
Hallucination IA
Génération par un modèle d'IA de contenus faux, inventés ou non étayés par les données sources, présentés avec une apparence de certitude. Risque critique pour le reporting ESG où l'exactitude et la traçabilité des informations sont essentielles pour l'audit externe.
Token (unité de traitement IA)
Unité élémentaire de texte traitée par les modèles de langage (environ 4 caractères ou 0,75 mot en français). Le nombre de tokens détermine le coût de calcul, la consommation énergétique et l'empreinte carbone d'une requête IA. Métrique clé pour l'optimisation Green AI.
GPU (Processeur graphique)
Processeur spécialisé dans le calcul parallèle, essentiel pour l'entraînement et l'inférence des modèles d'IA. Les GPU représentent la principale source de consommation énergétique et d'émissions carbone des infrastructures IA, avec des enjeux d'approvisionnement en terres rares et de recyclage.
Récupération de chaleur fatale (data center)
Valorisation de la chaleur résiduelle générée par les serveurs et GPU des centres de données pour alimenter des réseaux de chauffage urbain, des serres agricoles ou des processus industriels. Levier clé d'économie circulaire pour réduire l'impact environnemental net des infrastructures IA.