Dans vos locaux
Pour ancrer les apprentissages et encourager la dynamique collective.
Formation MLOps : industrialiser les modèles d'apprentissage
Industrialisez vos modèles d'apprentissage automatique : versionnement, automatisation, déploiement, supervision et réentraînement.
Trois jours pour versionner données, code et modèles de façon reproductible, automatiser l'entraînement, l'évaluation et le déploiement, superviser un modèle en production et détecter sa dérive, puis organiser le réentraînement.
stages: [entrainement, evaluation, deploiement]
entrainement:
script: python train.py --data data/v3 --out modele.pkl
artifacts: { paths: [modele.pkl] }
evaluation:
script: python evaluer.py modele.pkl --seuil-f1 0.85
deploiement:
script: mlflow models serve -m modele.pkl -p 8080
when: on_successDescription
Cette formation de trois jours sort les modèles d'apprentissage automatique des carnets de notes pour les amener en production de façon reproductible et gouvernée. Les participants versionnent conjointement les données, le code et les modèles, condition de toute reproductibilité, puis automatisent l'entraînement, l'évaluation et le déploiement dans un pipeline continu. Une part importante est consacrée à la supervision d'un modèle en production : suivi des métriques de performance, détection de la dérive des données (data drift) et du modèle, et déclenchement d'alertes. La formation traite enfin l'organisation du réentraînement périodique et la gestion des versions successives d'un même modèle. Elle s'adresse aux data scientists, ingénieurs IA, ingénieurs DevOps, architectes et responsables de plateformes de données connaissant l'apprentissage automatique et l'intégration continue.
Les objectifs
versionner données, code et modèles de façon reproductible
automatiser l'entraînement, l'évaluation et le déploiement d'un modèle
superviser un modèle en production et détecter sa dérive
organiser le réentraînement et la gestion des versions
Public visé
Data scientists, ingénieurs IA, ingénieurs DevOps, architectes, responsables de plateformes de données.
Prérequis
Connaissance de l'apprentissage automatique et des principes de l'intégration continue.
Le programme
Jour 1
Matinée
1. Cycle de vie d'un modèle
- Du prototype à la production : écarts et causes d'échec les plus fréquentes
- Rôles et responsabilités : science des données, ingénierie, exploitation
- Niveaux de maturité MLOps et trajectoire réaliste
- Panorama des plateformes et des outils
- Architecture cible d'une chaîne MLOps
- Travaux pratiques : diagnostic de maturité et conception de la chaîne cible
Après-midi
2. Reproductibilité
- Versionnement du code, des données et des modèles
- Suivi des expérimentations : paramètres, métriques, artefacts
- Environnements reproductibles et gestion des dépendances
- Registre de modèles et cycle de validation
- Traçabilité complète d'un modèle en production
- Travaux pratiques : mise en place du suivi d'expérimentations et du registre de modèles
Jour 2
Matinée
3. Automatiser l'entraînement
- Pipeline d'entraînement automatisé : données, entraînement, évaluation, enregistrement
- Validation automatique des données d'entrée
- Seuils de qualité conditionnant la promotion d'un modèle
- Gestion des ressources de calcul et des coûts
- Déclenchement : planifié, sur données nouvelles, sur dérive détectée
- Travaux pratiques : construction d'un pipeline d'entraînement automatisé
Après-midi
4. Déployer un modèle
- Modes de service : par lots, en ligne, en flux, embarqué
- Conteneurisation et interface de service
- Stratégies de déploiement : progressif, parallèle, test comparatif
- Retour arrière et gestion des versions en production
- Cohérence entre les traitements d'entraînement et d'inférence
- Travaux pratiques : déploiement d'un modèle avec bascule progressive
Jour 3
Matinée
5. Superviser et détecter la dérive
- Supervision technique : latence, disponibilité, taux d'erreur
- Supervision métier : distribution des prédictions, performance réelle
- Dérive des données et dérive du concept : détection et alertes
- Retour terrain et étiquetage des cas réels
- Déclenchement du réentraînement et validation
- Travaux pratiques : mise en place de la supervision et simulation d'une dérive
Après-midi
6. Gouvernance et exploitation
- Documentation du modèle : usage prévu, limites, populations concernées
- Conformité et traçabilité exigées par le règlement sur l'IA
- Gestion des incidents liés à un modèle en production
- Coûts d'exploitation et arbitrages
- Organisation et transfert à une équipe d'exploitation
- Travaux pratiques : rédaction de la documentation de production du modèle déployé
Dernière mise à jour : 18 septembre 2026
En présentiel ou à distance : à vous de choisir
En classe virtuelle
Pour allier flexibilité et interactions en temps réel avec le formateur.
Dans nos locaux
Pour favoriser la concentration, les échanges et le confort des apprenants.
Les modalités de formation
Suivi et évaluation :
- Recueil des besoins en amont pour identifier les attentes du stagiaire
- Évaluation continue : études de cas et travaux pratiques pendant la formation
- Évaluation finale : questionnaire d'auto-évaluation
Format et encadrement :
- Formation équilibrée alliant théorie et pratique (minimum 50%)
- Sessions en petits groupes (2 à 9 participants) pour un suivi personnalisé
- Émargement par demi-journée et remise d'une attestation de formation
Moyens pédagogiques et techniques :
- Méthodes interactives et suivi des acquis : travaux pratiques, projet fil rouge, mises en situation, démonstrations, QCM…
- Les stagiaires doivent être équipés de leur matériel informatique pour suivre la formation, que ce soit dans nos locaux ou sur site externe.
- Les prérequis techniques seront communiqués aux apprenants en amont de la formation, lors de l'analyse des besoins, en fonction des spécificités de chaque client.
- Accessibilité: nous informons l'ensemble de nos clients et stagiaires que nous sommes dans la capacité d'adapter les sessions en cas de situations spécifiques. Nous nous engageons à répondre à toutes les demandes dans un délai de 48h ouvré.
Conditions et délais d'accès :
- Si l'une de nos formations vous intéresse, contactez-nous au +33 04 93 65 34 24 ou à l'adresse mail contact@le-code.dev. Selon votre besoin et vos attentes, nous organiserons un échange téléphonique avec le formateur pressenti afin d'adapter la formation et ses modules, puis nous vous adresserons un devis. Les dates de la formation seront à convenir sous 30 jours maximum.
- Concernant les formations Actions Collectives, l'inscription est possible jusqu'à 24h ouvrées avant le début de la formation.