Cet article présente une étude exhaustive de l'application de modèles de langage pré-entraînés à grande échelle (modèles fondamentaux) à l'Internet des objets (IoT). Pour relever les défis des approches d'apprentissage automatique existantes, souvent confrontées à un manque de données et à un surapprentissage pour des tâches spécifiques, nous nous concentrons sur les avantages des modèles fondamentaux, généralisables à un large éventail de tâches. Contrairement aux études précédentes axées sur des tâches IoT spécifiques, cet article catégorise et analyse systématiquement les recherches existantes autour de quatre objectifs de performance communs : efficacité, connaissance situationnelle, sûreté, sécurité et confidentialité. Pour chaque objectif, nous passons en revue des études représentatives et résumons les techniques et indicateurs d'évaluation couramment utilisés, permettant des comparaisons pertinentes entre les domaines de l'IoT et fournissant des éclairages pratiques pour la sélection et la conception de solutions basées sur des modèles fondamentaux pour de nouvelles tâches IoT. Enfin, nous suggérons des pistes de recherche futures et proposons des lignes directrices aux praticiens et aux chercheurs pour promouvoir l'utilisation des modèles fondamentaux dans les applications IoT.
