MLOps Adaptatif – AdaptiveMLOps

Etendant les principes du DevOps aux Data Sciences et au Machine Learning, le MLOps outille les processus d’entraînement, de déploiement et de maintien en conditions opérationnelles de modèles d’IA intégrés à des architectures logicielles. Un élément clé de ces processus est la gestion de l’entraînement continu de ces modèles d’IA, pour les adapter aux changements observables dans les données qui les alimentent en contexte de production (data et concept drifts). Une solution no-code / low code semble adaptée à la multiplicité des profils des développeurs des modèles d’IA (ingénieur data, IA ou logiciel). Mais sa conception se heurte à la diversité et à la variabilité des éléments constituant les processus de MLOps. Nous proposons ainsi d’étudier comment les concepts de l’ingénierie de domaine (modèles de features, lignes de produits) permettraient de cataloguer les éléments récurrents des processus de MLOps et de documenter les bonnes pratiques de leur mise en œuvre. La connaissance métier ainsi recueillie et formalisée permettra de guider et d’assister la conception des pipelines de MLOps. Elle sera mise en œuvre par une approche d’ingénierie dirigée par les modèles qui proposera un DSL générique et extensible, pour couvrir la variété des éléments des pipelines et des environnements cibles, abstrait (low/no code), pour être facilement utilisable sans expertise mais sans limiter les possibilités de personnalisation et de fine-tuning, et pivot pour supporter les transformations vers les langages de Plateforme/Infrastructure as Code utilisés dans les déploiements. Nous étudierons en particulier la gestion automatique et dynamique du (re)-déploiement de différentes portions du pipeline chez des fournisseurs multiples afin d’optimiser les performances, le coût et l’empreinte environnementale de son exécution et des composants d’IA associés. L’ensemble des solutions sera prototypé et validé (au travers de PoC en utilisant la plateforme du partenaire industriel du projet (fournisseur de solutions cloud) sur des cas d’études concrets fournis au partenaire industriel par de grands groupes français.