MLOps
Le DevOps, mais pour les modèles de machine learning — entraînement, versionnement, déploiement et supervision des modèles en production.
Outils : MLflow (suivi des expériences), Weights & Biases, Kubeflow (sur k8s), SageMaker. Défis propres au domaine : la dérive du modèle (le monde change sous ses pieds), la traçabilité des données, la reproductibilité de l'entraînement.