Modèle de fondation

Un modèle de fondation est un grand modèle d'apprentissage automatique entraîné sur des données étendues, qui peut être adapté à de nombreuses tâches en aval plutôt que conçu pour un seul problème restreint. Dans l'industrie, les modèles de fondation entraînés sur des données textuelles, de capteurs ou d'images servent de base réutilisable pour des applications de maintenance, de vision et de procédé.

Les modèles industriels traditionnels sont entraînés de zéro pour une seule tâche — un modèle par type de pompe, un classifieur par défaut. Un modèle de fondation est au contraire pré-entraîné sur un jeu de données très vaste et généraliste, puis affiné ou guidé par prompt pour des usages spécifiques, ce qui amortit le coût élevé d'entraînement sur de nombreuses applications.

Les exemples les plus connus sont les grands modèles de langage pour le texte, mais la même approche s'étend aux données de capteurs en série temporelle et à la vision industrielle, où un unique modèle pré-entraîné peut être adapté à de nouveaux actifs ou de nouvelles gammes de produits avec relativement peu de données spécifiques à la tâche.

Pour les équipes industrielles, l'attrait réside dans la réutilisation et un déploiement plus rapide : moins de données étiquetées et d'efforts d'ingénierie par nouveau cas d'usage. Les contreparties sont la taille du modèle, le coût de calcul et la nécessité de valider qu'un modèle généraliste se comporte correctement sur les équipements et conditions d'une installation donnée.

Termes liés

Large Language Model (LLM) · Generative AI · Machine Learning (Industrial) · Neural Network