Aller au contenu
ReviewRamble

La lettre hebdomadaire

L’IA, évaluée, dans votre boîte mail.

  • Les nouveaux tests d’outils, de modèles, de serveurs MCP et de dépôts, avec le verdict en premier
  • Les prix et les notes revérifiés quand quelque chose change
  • Les nouvelles analyses dès leur publication

Modèles, agents, serveurs MCP et les outils qui méritent vraiment votre temps.

Un e-mail par semaine. Désinscrivez-vous avec le lien présent dans chaque lettre. Comment nous utilisons votre e-mail

Modèle de base

Un modèle de base (base model) est un modèle de langage tout juste sorti du pré-entraînement, avant l'ajustement aux instructions ou l'entraînement par retour humain. Il prolonge le texte qu'on lui donne au lieu de suivre des instructions ou de tenir une conversation.

Aussi appelé : pretrained checkpoint, pretrained model, -Base

Par Divya Sharma · Vérifié le 15 nov. 2026 · Notre méthode

Demandez à un modèle de base « Quelle est la capitale de la France ? » et il pourra répondre, ou bien écrire trois autres questions de quiz, car une liste de questions est une suite probable. Il a appris la langue et beaucoup de faits pendant le pré-entraînement, mais on ne lui a pas appris à se comporter en assistant.

Où vous les voyez

Les publications de modèles ouverts proposent souvent deux versions : un checkpoint de base et un modèle instruct. Certains noms l'indiquent, comme ERNIE 5.5 Flash Base. Les API hébergées ne servent presque toujours que la version ajustée.

Pourquoi en utiliser un

Les modèles de base sont le point de départ habituel de votre propre fine-tuning, car ils n'ont pas pris le style, les refus ou le format de chat d'une autre équipe. Les chercheurs s'en servent pour étudier ce que le pré-entraînement produit à lui seul. Ils sont aussi bons pour les tâches de pure continuation, comme compléter du code ou générer du texte dans un style donné.

Vous pouvez tout de même tirer un travail utile d'un modèle de base en formulant le prompt comme un texte qu'il prolongerait naturellement, avec quelques exemples au début. L'article sur GPT-3 a fait exactement cela : il a testé un modèle sans fine-tuning, en ne fournissant les tâches et les exemples que sous forme de texte. C'est le few-shot prompting.

Différence avec un modèle de fondation

Un modèle de fondation est tout modèle généraliste destiné à être adapté à de nombreuses tâches. Un modèle de base est un checkpoint précis : celui qui n'a pas été ajusté. Un modèle instruct construit dessus reste un modèle de fondation, mais n'est plus un modèle de base.

Termes liés

Modèle instruct
Un modèle instruct est un modèle de langage de base qui a été entraîné en plus sur des instructions associées à de bonnes réponses, et souvent sur des retours humains, afin qu'il suive les demandes au lieu de simplement prolonger le texte.
Préentraînement
Le préentraînement (pretraining) est la première et la plus importante étape de l'entraînement d'un modèle, au cours de laquelle il apprend des schémas généraux à partir d'un très grand jeu de données non étiquetées, généralement en prédisant le token suivant, avant tout ajustement propre à une tâche.
Modèle de fondation
Un modèle de fondation (foundation model) est un grand modèle entraîné à grande échelle sur des données variées, qui peut être adapté à de nombreuses tâches en aval, par prompting ou par fine-tuning, au lieu d'être conçu pour une seule tâche.
Fine-tuning
Le fine-tuning (ajustement fin) est la poursuite de l'entraînement d'un modèle pré-entraîné sur un jeu de données plus petit et propre à une tâche, pour que le modèle adopte une compétence, un format, un ton ou un domaine particuliers sans être entraîné de zéro.
Few-shot prompting
Le few-shot prompting (prompting par quelques exemples) consiste à donner à un modèle de langage une poignée d'exemples résolus d'une tâche dans le prompt, pour qu'il reproduise le schéma sur une nouvelle entrée sans aucun réentraînement.

Sources