Home A - Z
Page Index

An Otter Wiki

Blame

1c3139 Lucas Gonthier 2026-06-30 12:04:21
Initial commit: course content (Machine Learning, MLOps) in EN and FR Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>
1 
# Introduction
2
3
> Leçon 01 · MLOps
4
5
**Objectifs**
6
- Comprendre ce qu'est le MLOps et pourquoi un bon score ne suffit pas.
7
- Voir en quoi les systèmes de ML diffèrent du logiciel classique.
8
- Découvrir le cycle de vie sur lequel s'appuie le reste du cours.
9
10
## Qu'est-ce que le MLOps ?
11
12
Le MLOps applique les pratiques d'ingénierie et d'exploitation au cycle de vie du machine
13
learning, afin de construire, livrer et maintenir des modèles de façon fiable et reproductible.
14
15
## Pourquoi c'est important
16
17
Un modèle qui fonctionne dans un notebook n'est pas un produit. La production ajoute la dérive
18
des données, la reproductibilité, le déploiement, la mise à l'échelle et la surveillance, que
19
l'étape de modélisation seule ne couvre pas.
20
21
## Le cycle de vie du ML
22
23
1. Collecte et versionnage des données.
24
2. Expérimentation et suivi.
25
3. Pipelines d'entraînement et automatisation.
26
4. Déploiement.
27
5. Surveillance et retours.
28
29
---
30
Suivant : Le cycle de vie du ML *(à venir)* · [Vue d'ensemble du cours](/fr/MLOps)