Agenfy

Définition

MLOps

Aussi appelé : LLMOps, Machine Learning Operations

Le MLOps regroupe les pratiques et outils qui permettent de mettre en production et de maintenir des modèles d'IA de façon fiable : versionnement des données et des modèles, pipelines d'entraînement et de déploiement automatisés, surveillance des performances et de la dérive. Pour les LLM, on parle de LLMOps : évaluation, suivi des prompts et des coûts.

Pourquoi c'est important en entreprise

Un modèle se dégrade quand les données ou les usages évoluent, et un assistant change de comportement quand on modifie son prompt ou son modèle. Sans ces pratiques, les projets restent au stade de prototype ou se dégradent silencieusement en production.

Exemple concret

Un modèle de prévision des ventes est réentraîné chaque mois par un pipeline automatisé ; une alerte prévient l'équipe si l'erreur de prévision dépasse un seuil défini avec le métier, et l'ancienne version peut être restaurée en un clic.

À ne pas confondre avec

DevOps
Le DevOps industrialise le code ; le MLOps y ajoute la gestion des données, des modèles et de leur qualité dans le temps.

Termes liés

Pour approfondir

Notre accompagnement

Développement IA sur mesure

Assistants métiers, RAG et applications IA intégrées à votre SI

Découvrir l'offre

Définition mise à jour le . Voir tout le glossaire