Mise en production des modèles
Progression
#Mise en production des modèles
Mettre un modèle en production ne se résume pas à exposer une API. On définit des contrats d’entrées et de sorties, on versionne le modèle et ses dépendances, et on surveille la latence, les erreurs et la dérive de données. Les tests d’intégration couvrent le pipeline de features autant que l’inférence.
La stratégie de déploiement alterne canary, A/B et shadow traffic pour limiter les risques. Le feedback de production alimente un processus d’amélioration continue avec des données fraîches et des protocoles de ré‑entraînement maîtrisés.
#Animation: du labo à la prod
#Diagramme: canary contrôlé
Mini‑exercice: définissez les SLI/SLO (latence p95, taux d’erreur, drift de features) et les seuils de promotion/rollback d’un canary. Décrivez le protocole de ré‑entraînement (fenêtre de données, validation hors‑ligne, tests d’intégration).