L’idée : obtenir un modèle qui écrit dans un genre précis, avec ses codes et son atmosphère, plutôt qu’un assistant généraliste. Le LoRA rend ça accessible sans data center.
Pourquoi le LoRA
Réentraîner un modèle entier est hors de portée d’une machine perso. Le LoRA n’ajuste qu’une fine couche de paramètres : peu de données, un GPU modeste, et on spécialise quand même.
Les corpus
Je m’appuie sur du domaine public et des textes sous licence libre, organisés par genre. La qualité et la cohérence du corpus comptent plus que sa taille brute.
La chaîne
- Préparer et nettoyer le corpus par genre.
- Traduire/normaliser si besoin via un modèle local en
Q4_K_M. - Entraîner le LoRA, puis le brancher sur le modèle de base au moment de générer.
Le résultat, ce sont des « casquettes » stylistiques interchangeables : une pour la SF, une pour le noir, une pour le steampunk. On charge celle qu’on veut selon le texte du moment.