Accueil
›
Section A — Concepts fondamentaux
›
MLOps
L’anecdote de Pascal, chef de production en manufacture · étape 3 de « L’usine intelligente de Drummondville »
Mai 2026. Les robots produisent. Mais un matin, Pascal voit un défaut de précision sur une pièce — 0,3 mm de trop. Le robot a appris . Le problème, c’est qu’il a appris à mal faire, parce que les données récentes contenaient une erreur de calibrage. Vention envoie un ingénieur MLOps . « Votre modèle perd en précision. Il faut le réentraîner régulièrement, avec un humain qui valide. » Pascal comprend qu’il a besoin de quelqu’un à l’interne qui surveille le modèle.
Côté machine
Le MLOps (opérations d’apprentissage automatique) est l’ensemble des pratiques pour déployer, surveiller et maintenir des modèles d’IA en production. Il combine apprentissage automatique, ingénierie logicielle et ingénierie des données. Métier émergent, fortement en demande au Québec, avec une expertise reconnue à Polytechnique Montréal.
MLOpsMLOps
Équivalent anglais MLOps, machine learning operations
Synonymes :
ML Ops variante orthographique Ingénieur MLOps terrain courant
Ensemble de pratiques d’ingénierie qui combinent apprentissage automatique, ingénierie logicielle et ingénierie des données pour déployer, surveiller et maintenir de manière fiable et automatisée des modèles d’IA en production.
Note
S’inspire du DevOps. Inclut l’automatisation des pipelines d’intégration et de déploiement continus (CI/CD), la surveillance de la dérive des modèles, le réentraînement automatique et la gestion du cycle de vie complet des modèles. Polytechnique Montréal a une expertise reconnue dans ce domaine.
Exemple
Une équipe MLOps automatise le réentraînement d’un modèle de détection de fraude chaque fois que la dérive de prédiction dépasse un seuil de qualité prédéfini.
Source Red Hat, « Le MLOps, qu’est-ce que c’est? » ; Polytechnique Montréal, expertise MLOps ; ml-ops.org.
