Reconversion des modèles
Processus de mise à jour d'un modèle d'IA avec des données nouvelles ou actualisées afin de maintenir les performances et la conformité à mesure que les distributions de données évoluent.
Définition
Un pipeline planifié ou basé sur des déclencheurs qui ingère de nouvelles données étiquetées (par exemple, des transactions récentes), réentraîne le modèle avec des paramètres mis à jour, valide par rapport aux benchmarks actuels et déploie la nouvelle version. La gouvernance définit la fréquence de reconversion, les portes d'approbation (tests automatisés, examens de validation), les protocoles de restauration et les exigences en matière de documentation pour garantir des mises à jour contrôlées.
Exemple concret
Le modèle de prévision de la demande d'une entreprise de logistique retraite chaque mois les données d'expédition des 90 derniers jours, exécute des validations automatisées (précision, dérive, équité) et déploie le modèle mis à jour pendant les heures creuses. Si les statistiques après le déploiement diminuent, le système revient à la version précédente.
.svg)
