Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
CI/CD pour ML
Pipeline d'intégration continue et déploiement continu spécifiquement adapté aux cycles de vie des modèles de machine learning, intégrant validation de données, entraînement automatique et déploiement contrôlé des modèles en production.
Automated Retraining Pipeline
Workflow orchestré qui déclenche automatiquement le réentraînement des modèles selon des prédéfinis (temporels, performance-based, ou data drift), incluant validation et déploiement conditionnel.
Shadow Deployment
Stratégie de déploiement où le nouveau modèle fonctionne en parallèle du modèle de production sans affecter les utilisateurs, permettant la validation silencieuse des performances avant bascule complète.
Canary Deployment for ML
Approche de déploiement progressif où le nouveau modèle est d'abord exposé à un petit pourcentage du trafic, avec monitoring intensif avant extension graduelle à l'ensemble des requêtes.
ML Experiment Tracking
Système de logging structuré des hyperparamètres, métriques, artefacts et résultats des expériences ML, permettant la comparaison systématique et la reproduction des runs d'entraînement.
Continuous Model Evaluation
Processus automatisé d'évaluation continue des performances des modèles en production contre des jeux de test de référence, incluant détection de régression et métriques de biais.
Model Governance Pipeline
Ensemble de contrôles automatisés validant la conformité réglementaire, l'équité algorithmique et la documentation des modèles avant leur promotion en production.
Feature Engineering Automation
Pipeline automatisé de création, transformation et sélection de features, avec validation de la stabilité temporelle et tracking de la dérive des distributions pour maintenir la qualité prédictive.
ML Model Validation
Étape systématique du pipeline CI/CD vérifiant la robustesse, la généralisation et la conformité du modèle avant déploiement, incluant tests unitaires, tests d'intégration et validation business.
Hyperparameter Optimization CI
Intégration continue de l'optimisation des hyperparamètres dans le pipeline de build, automatisant la recherche des configurations optimales avec validation croisée et tracking des résultats.
Model Explainability Pipeline
Workflow automatisé générant et validant les explications du modèle (SHAP, LIME) pendant le CI, assurant la transparence et l'interprétabilité avant déploiement en production.