Qu'est-ce qu'un DSLM ?
Un modèle de langage spécialisé par domaine, doté d'une infrastructure de preuve. Pas une meilleure prose : des réponses que vous pouvez défendre.
Un DSLM (Domain-Specific Language Model, modèle de langage spécialisé par domaine) est un modèle de langage IA construit, ancré et gouverné pour un domaine unique (un secteur, un métier ou un champ réglementaire), plutôt que pour la conversation générale. Il combine un corpus métier sélectionné et versionné, une génération ancrée sur ce corpus, une logique de contrôle déterministe là où l'auditabilité l'exige, et une infrastructure de preuve : citations de sources à la page, scores de confiance de 0 à 100, circuits de validation et journalisation. Le résultat n'est pas une meilleure prose ; ce sont des réponses que vous pouvez vérifier, reproduire et défendre.
Pourquoi les modèles généralistes atteignent un plafond ?
Les LLM généralistes sont entraînés sur d'immenses corpus couvrant un peu de tout. Ils excellent à converser sur n'importe quel sujet, et c'est exactement le compromis de conception qui les limite dans les domaines experts :
- Précision contextuelle. Un modèle généraliste peut expliquer le RGPD dans les grandes lignes, mais peine à citer l'article exact qui s'applique à votre traitement : dans une réponse réglementaire, « globalement correct » est faux.
- Hallucination sans abstention. Faute d'ancrage spécialisé, il produit des affirmations plausibles mais fausses (une certification inventée, une clause mal attribuée), et il ne dit jamais « je ne sais pas ».
- Aucune surface de redevabilité. La sortie ne porte ni source, ni score, ni validateur, ni journal. Si la réponse est contestée, il n'y a rien à reconstituer.
- Adaptation coûteuse. Fine-tuner un modèle géant sur votre corpus exige une infrastructure et des compétences lourdes, pour un résultat auquel manque toujours la couche de gouvernance qui rend les réponses défendables.
De quoi est fait un DSLM de production ?
Un DSLM ne se résume pas à des données d'entraînement plus restreintes. Cinq couches séparent un système spécialisé de production d'une simple démonstration fine-tunée, et ces couches intègrent des contrôles anti-hallucination : on parle de 5 couches, dont 7 vérifications anti-hallucination, avant qu'une réponse n'affiche son score de confiance de 0 à 100. Voici ce que fait chacune :
| Couche | Ce qu'elle fait | Ce qu'elle empêche |
|---|---|---|
| Corpus sélectionné | Des sources métier versionnées avec un propriétaire nommé par référentiel : réglementations, normes, politiques internes, réponses validées antérieures. | Des réponses ancrées sur des documents périmés, sans propriétaire ou non vérifiés : l'erreur industrialisée. |
| Mise en correspondance des référentiels | Une correspondance maintenue entre référentiels (par exemple ISO 27001, NIS2 et DORA), pour qu'une réponse validée serve les contrôles équivalents. | Re-répondre différemment au même contrôle sous chaque référentiel. |
| Logique de contrôle déterministe | Des règles et des matrices là où les auditeurs exigent la reproductibilité ; l'IA générative uniquement là où la variation est acceptable. | Trois réponses différentes à la même question de contrôle sur trois jours différents. |
| Couche de preuve | Source citée au document et à la page, horodatage, score de confiance de 0 à 100, validateur nommé, journal rejouable. | « L'IA pense que vous êtes conforme », sans rien à montrer à un régulateur. |
| Analyse des écarts | Détecte les exigences que le corpus ne peut pas couvrir, les note bas et recommande comment combler l'écart avant soumission. | L'exigence manquée en page 87 d'une annexe, découverte à l'ouverture des plis. |
Où les DSLM sont-ils utilisés ?
Le schéma est le même dans tous les secteurs : les DSLM prennent le relais partout où un document quitte l'entreprise avec un engagement à la clé. La plateforme Optivalue.ai couvre cinq cas d'usage :
- Appels d'offres (RFP). Extraction des exigences, matrice de conformité, réponses sourcées, remédiation des écarts avant l'échéance.
- Questionnaires de sécurité. Des réponses cohérentes et mises en correspondance entre référentiels, au lieu de réécritures au cas par cas.
- Questionnaires clients (DDQ, Due Diligence Questionnaire). Des réponses reproductibles, avec une piste de preuve pour vos clients et investisseurs.
- Reporting extra-financier. Des indicateurs sourcés et traçables, prêts pour l'audit plutôt que reconstitués dans l'urgence.
- Analyse des fournisseurs. Évaluation standardisée des tiers et relances à l'échelle, portée par Optivalue Reach.
En complément, Optivalue Watch surveille la réglementation sur 193 juridictions : un corpus versionné qui vous alerte sur le changement au lieu de le découvrir à l'audit. Voyez ce que cela donne dans votre secteur : tous les secteurs →
Que signifie DSLM ?
DSLM signifie Domain-Specific Language Model, soit modèle de langage spécialisé par domaine : un modèle de langage IA construit, ancré et gouverné pour un domaine unique (un secteur, un métier ou un champ réglementaire), plutôt que pour la conversation générale.
Un DSLM est-il un simple LLM fine-tuné ?
Non. Le fine-tuning n'est qu'un ingrédient possible. Un DSLM de production combine un corpus métier sélectionné et versionné, une génération ancrée sur ce corpus, une logique de contrôle déterministe là où l'auditabilité l'exige, la citation des sources à la page, des scores de confiance et des circuits de validation humaine. La couche de gouvernance compte autant que les poids du modèle.
Les DSLM hallucinent-ils moins que les LLM généralistes ?
Par construction, un DSLM contraint ses réponses à un corpus gouverné et cite la source exacte (document et page) de chaque affirmation : les affirmations non étayées deviennent détectables et mesurables. Surtout, un DSLM bien conçu sait s'abstenir et signaler un écart plutôt que d'inventer une réponse, précisément ce qui disqualifie les modèles génériques en contexte de conformité.
Quelle est la différence entre un DSLM et un RAG ?
Le RAG (Retrieval-Augmented Generation, génération augmentée par la recherche) est une brique : le modèle récupère des passages d'un corpus avant de répondre. Un DSLM va plus loin. Il ajoute un corpus gouverné et versionné, une logique de contrôle déterministe là où l'auditabilité l'exige, la citation des sources à la page, un score de confiance de 0 à 100 et des circuits de validation. Le RAG améliore la génération ; le DSLM la rend défendable.
Qui édite DSLM.ai ?
DSLM.ai est édité par Optivalue.ai, l'IA souveraine spécialisée par métier, secteur et domaine légal. La plateforme est propulsée par 84 agents spécialisés. Elle réunit, vérifie et anticipe les preuves de vos appels d'offres, audits et questionnaires.