# SageMaker ajoute le réglage fin complet à Model Customization Serverless

> AWS permet désormais de lancer le réglage fin complet de LLM sur SageMaker AI Serverless, sans cluster GPU et avec une meilleure précision sur les grands jeux de données.

Oossa · 2026-11-19 · https://oossa.com/fr/sagemaker-adds-full-fine-tuning-to-ai-serverless-customization

Amazon SageMaker AI Serverless Model Customization prend désormais en charge le réglage fin complet (FFT). Le service exécute les tâches de FFT sans que les utilisateurs aient à provisionner des GPU ni à configurer des clusters. Lors de tests sur un jeu de données de code comptant 110 000 exemples, le FFT a atteint 90 % de justesse sémantique, surpassant LoRA sur tous les indicateurs de qualité. Le même code que celui utilisé pour lancer une tâche LoRA peut servir au FFT en modifiant un seul paramètre.

## Les faits

- Prise en charge du FFT annoncée le 2026‑11‑19 (« Full Fine‑Tuning (FFT) on SageMaker AI Serverless Model Customization » – publié le Thu Nov 19 2026).
- Le FFT a permis d’affiner un modèle Qwen3‑4B à partir de 110 K instructions de code, avec un score de 90 % de justesse sémantique évaluée par un LLM.

## Pourquoi c'est important

Les entreprises peuvent améliorer la précision des modèles sur des tâches complexes sans gérer d’infrastructure GPU, ce qui réduit les coûts et les frais d’exploitation.

## Sources et références

1. [Full Fine-Tuning (FFT) on SageMaker AI Serverless Model Customization](https://aws.amazon.com/blogs/machine-learning/full-fine-tuning-fft-on-sagemaker-ai-serverless-model-customization/) – AWS, 2026-11-19

Dernière mise à jour: 2026-11-19
