Dernière revue : 25 mai 2026

Qu'est-ce qu'un modèle de fondation ? Définition et enjeux pour l'entreprise

Un modèle de fondation est un modèle d'IA généraliste entraîné sur des données massives et diversifiées, qui sert de base réutilisable pour des dizaines voire des centaines d'applications métier différentes, par adaptation (fine-tuning, RAG, prompt) plutôt que par entraînement spécifique.

Le terme modèle de fondation (foundation model en anglais) a été introduit par le Stanford CRFM en 2021 (Bommasani et al., On the Opportunities and Risks of Foundation Models) pour désigner une nouvelle classe de modèles caractérisée par deux propriétés. La première, l'entraînement à grande échelle sur des corpus généralistes : ces modèles ne sont pas conçus pour une tâche précise mais pour saisir les régularités statistiques d'un domaine vaste (langage, image, code). La seconde, leur adaptabilité descendante : le même modèle peut être spécialisé après coup pour la traduction, le résumé, la classification, le code, l'analyse d'image, par des techniques d'adaptation (fine-tuning, RAG, prompt engineering) bien moins coûteuses que l'entraînement initial. GPT, Claude, Gemini, Llama et Mistral sont des modèles de fondation textuels. Stable Diffusion et DALL-E sont des modèles de fondation visuels. La quasi-totalité des applications IA d'entreprise actuelles s'appuient sur un modèle de fondation, sans le savoir nécessairement.

Exemple concret

Le rapport Stanford CRFM 2021 a identifié les modèles de fondation comme un changement de paradigme : avant 2018, chaque tâche d'IA (traduction, résumé, classification, vision) nécessitait son propre modèle entraîné spécifiquement, sur des données dédiées. Après 2018 et l'émergence des grands transformers, un seul modèle généraliste peut adresser des dizaines de tâches par adaptation légère. Pour une ETI, cela change l'équation économique : au lieu de financer cinq développements d'IA spécialisée à 200 000 euros chacun, on adapte un modèle de fondation existant cinq fois, à 10 000 à 30 000 euros par adaptation. La barrière d'entrée s'écroule d'un ordre de grandeur.

Trois implications

L'émergence des modèles de fondation est le changement structurel le plus important de l'IA d'entreprise depuis 2018. Trois implications pour le dirigeant. Premièrement, vous ne construirez pas un modèle, vous en choisirez un. Le coût d'un modèle de fondation (dizaines à centaines de millions de dollars) le place hors de portée. La compétence stratégique se déplace vers la sélection, l'adaptation et l'orchestration de modèles existants. Deuxièmement, le choix engage : changer de modèle de fondation après mise en production demande de réécrire les prompts, de refaire le fine-tuning, parfois de réindexer les bases RAG. C'est une décision pluriannuelle, à arbitrer en fonction de la trajectoire du fournisseur, pas du seul prix court terme. Troisièmement, l'homogénéisation des modèles crée un risque systémique : une faille ou un biais d'un modèle de fondation se propage à toutes les applications adaptées en aval. L'audit d'amont devient un enjeu de gouvernance.

À voir aussi

Pour aller plus loin

On the Opportunities and Risks of Foundation Models, Stanford CRFM, Bommasani et al., 2021 (ressource externe)

Sources

On the Opportunities and Risks of Foundation Models, Bommasani et al., Stanford CRFM, arXiv:2108.07258, 2021. https://arxiv.org/abs/2108.07258 (consulté le 2026-05-24)
Center for Research on Foundation Models, Stanford HAI. https://crfm.stanford.edu/ (consulté le 2026-05-24)

← Retour au glossaire