Entraîner le comportement, pas figer le droit¶
Le premier dataset Yisin apprend au modèle à travailler avec une preuve : l'utiliser, la citer et reconnaître lorsqu'elle ne suffit pas. Le droit actualisable reste dans le corpus et le RAG.
Pourquoi ne pas simplement mémoriser les lois ?¶
Une loi peut être modifiée, complétée ou abrogée. L'enfouir dans les poids rend son actualisation difficile et ne donne aucune preuve visible à l'utilisateur. Yisin sépare donc deux responsabilités :
- le corpus et le RAG portent la connaissance juridique versionnée ;
- le fine-tuning façonne une réponse sobre, structurée, fondée et capable d'abstention.
Cette frontière n'empêche pas toute mémorisation statistique, mais elle indique clairement où se trouve l'autorité : dans la source citée, jamais dans la seule assurance du modèle.
Le dataset privé v1¶
La version promue est yisin-sft-v1-897941bfd82e6477. Parmi ses 285 exemples :
- 226 demandent une extraction fondée sur un contexte juridique ;
- 59 apprennent à refuser une question que le contexte ne permet pas de résoudre.
Les 115 candidats bloqués ne sont ni supprimés ni maquillés. Leur décision et leurs motifs restent enregistrés pour pouvoir être réévalués après amélioration des sources ou de la politique.
De la preuve à l'expérience¶
400 candidats
↓ validation technique et politique
285 acceptés + 115 bloqués
↓ split par document
209 train + 25 validation + 51 test gelé
↓
QLoRA Mistral — expérimental
↓ évaluation comparative
promotion ou rejet de l'adaptateur
Le lancement réussi d'un entraînement n'est pas une validation du modèle. L'adaptateur devra battre une baseline pertinente sur le test gelé, sans dégrader l'abstention ni la fidélité aux citations.