Intégration des propriétés FATES dans le développement continu des systèmes basés Machine Learning : application au MLOps – FATES-MLOps

Le mouvement MLOps reprend les objectifs DevOps de réduction les écarts entre les équipes de développement et d'opérations en intégrant la collaboration avec les équipes de data scientists et les phases liées à la construction et le déploiement des modèles de Machine Learning (ML).

Notre projet a pour ambition d’étudier les propriétés extra-fonctionnelles telles que l'équité, la responsabilité, la transparence et la sécurité, regroupées en anglais sous l'acronyme FATES. En nous appuyant et en affinant les concepts et outils éprouvés du génie logiciel, nous souhaitons proposer une approche systématique et outillée pour la prise en compte de ces propriétés fondamentales dans le cycle de vie d’un logiciel développé en suivant une approche MLOps.

Les verrous technologiques portent sur la formalisation et la mesure de ces propriétés en fonction des contextes et leur prise en charge systématique dans le processus MLOps par des mécanismes et algorithmes adaptés. Cela implique l’analyse et la conception des workflows de construction des modèles, les processus d'intégration et de déploiement, ainsi que la justification du respect de ces propriétés.