RAG, fine-tuning, prompt : ce dont une PME a vraiment besoin

Prompt, RAG, fine-tuning : trois mots que la plupart des dirigeants confondent, et cette confusion coûte cher. Ce dont votre PME a vraiment besoin tient rarement dans le fine-tuning. Je vous explique

La scène revient à presque chaque premier rendez-vous. Un dirigeant me dit : « Il nous faut une IA entraînée sur nos données. » Il a lu quelque part que c'était l'étape sérieuse, celle qui sépare les bricoleurs des vrais projets.

Dans 9 cas sur 10, je lui réponds d'attendre. Parce que ce qu'il décrit coûte souvent 20 fois plus cher que la solution dont il a réellement besoin, et sort 4 mois plus tard.

Trois mots reviennent dès qu'on parle d'adapter l'IA à une entreprise : prompt, RAG, fine-tuning. La majorité des décideurs les confondent, et cette confusion se paie en euros et en mois perdus. Voici comment les démêler en 5 minutes, et comment savoir laquelle vous concerne.

Le prompt : 80 % de vos besoins, pour 0 € de modèle

Le prompt, c'est la façon dont vous parlez au modèle. Les instructions que vous lui donnez, plus le contexte que vous lui mettez sous les yeux au moment de la question.

Ça paraît basique. C'est pourtant ce qui règle l'écrasante majorité des cas en PME.

Un exemple concret. Un cabinet comptable voulait trier automatiquement ses mails clients par type de demande. Pas de projet à 30 000�� �1. On a écrit un prompt précis, collé 5 exemples de mails déjà classés, branché ça sur leur boîte. En production en une semaine, pour le prix de l'abonnement API.

Quand le prompt suffit : rédiger des devis, résumer des comptes rendus, répondre à des mails types, reformuler, extraire des infos d'un document. Si votre besoin tient dans « explique bien au modèle ce que tu veux et donne-lui un ou deux exemples », vous n'avez besoin de rien d'autre.

Le RAG : quand l'IA doit lire vos documents

RAG veut dire « génération augmentée par récupération ». Le nom fait peur, l'idée est simple.

Imaginez un assistant à qui vous ne demandez pas d'apprendre par cœur vos 4 000 documents. Vous lui collez un documentaliste à côté. À chaque question, le documentaliste va chercher les 3 passages utiles dans vos fichiers et les pose sur le bureau. L'IA répond à partir de ça.

Vous en avez besoin quand l'IA doit s'appuyer sur votre matière à vous : un chatbot support branché sur votre base de connaissances, une recherche dans des centaines de contrats, un assistant qui répond sur vos procédures internes.

Le gros avantage : quand vous ajoutez un document, il est pris en compte tout de suite. Aucune reprogrammation. Vous gardez la main sur ce que l'IA a le droit de citer, et vous savez d'où sort chaque réponse.

Comptez quelques semaines de mise en place selon le volume. C'est le niveau au-dessus du prompt, et il couvre la quasi-totalité des cas qui restent.

Le fine-tuning : ce que tout le monde réclame et que presque personne n'utilise

Le fine-tuning, c'est ré-entraîner le modèle sur vos propres exemples pour qu'il adopte durablement un format ou un ton précis.

Là, on touche au vrai « entraînement sur vos données » que les dirigeants demandent. Et c'est là que je freine, presque à chaque fois.

Pour que ça vaille le coup, il faut réunir trois conditions en même temps : une tâche très étroite et répétitive, un gros volume, et des milliers d'exemples propres et bien étiquetés sous la main. La plupart des PME n'ont aucune des trois.

Le piège qu'on voit rarement venir : le jour où votre process change, il faut tout ré-entraîner. Et tous les quelques mois, un nouveau modèle de base sort, meilleur que votre version spécialisée d'il y a six mois. Votre investissement vieillit vite.

Et le plus cher là-dedans, c'est la préparation des données : un travail long et manuel que personne n'aime faire.

Le mauvais réflexe qui coûte cher

Le schéma que je vois le plus souvent : une entreprise saute directement au fine-tuning parce que ça sonne sérieux, et zappe le prompt et le RAG.

Résultat courant : 40 000 € et 4 mois pour obtenir un truc qu'un montage à 200 € par mois aurait livré en 2 semaines. Avec, en prime, un modèle figé qu'il faudra réentraîner à la première évolution.

Le bon ordre est l'inverse. On commence par le prompt. Si ça bloque, on ajoute du RAG. Le fine-tuning arrive en dernier recours, une fois qu'on a la preuve que rien d'autre ne suffit.

Comment choisir, en 3 questions

Posez-vous ces questions dans l'ordre.

1. 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.
2. Est-ce qu'il doit puiser dans vos documents, à jour, et citer ses sources ? Alors c'est du RAG.
3. 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.

Où mettre votre argent

La vérité qui dérange les belles slides : le modèle est rarement le problème.

Votre budget utile part 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 tuyauterie, le branchement de l'IA à vos outils existants, 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 ça 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 €.