RAG, fine-tuning ou ingénierie des prompts : optimiser les modèles d’IA

IBM Technology. Cette présentation claire au tableau blanc compare les trois techniques et leurs coûts respectifs — latence de récupération, calcul nécessaire à l’entraînement, oubli catastrophique et limites des solutions fondées uniquement sur les prompts — ainsi que les combinaisons réellement pertinentes en production. L’exemple final d’un système d’IA juridique utilisant les trois correspond presque exactement à l’argument « quand les combiner » de l’article.

À regarder ensuite

Continuez dans le même parcours d’apprentissage avec les prochaines vidéos d’accompagnement sélectionnées.

157 minutes

Ajustement fin des modèles LLM – Cours sur l'IA générative

Réaliser de bout en bout une quantification et des fine-tunings LoRA et QLoRA sur du matériel dont disposent déjà la plupart des développeurs.

AvancéIA privée / locale

15 minutes

Comment nous construisons des agents efficaces : Barry Zhang, Anthropic

Concevoir des boucles d'agents plus simples avec des règles d'arrêt claires, des limites de tâche et des points de contrôle humains.

AvancéAutomations

190 minutes

Cours complet LangGraph pour débutants – agents IA complexes avec Python

Vous saurez construire un agent LangGraph avec un état typé, un routage conditionnel, des points de contrôle et des outils, et comprendrez dans quels cas cette explicitation est avantageuse.

AvancéAutomations