Coopérative U

Sindbad Bellili

Responsable d’équipe IA – U TECH

Réduire les incidents et diviser par trois les délais et les charges de mise en production des projets IA

Au sein de la Coopérative U, le prototypage des modèles et leur mise au point est réalisée en autonomie par les Data Scientist dans un environnement de travail de type “lab”.

Durant cette phase, les données ne sont pas toujours rafraîchies automatiquement, et les modèles ne sont pas encore connectés au SI.

Une fois le prototype validé et le Go pour industrialisation obtenu, le défi réside dans la capacité de la DSI (UTECH) à déployer rapidement et sûrement les projets développés en « lab » vers les environnements opérationnels.

Le rôle des MLOPS de la DSI dans le processus d’industrialisation est de fluidifier toutes les étapes de ce cycle et de garantir le succès de l’industrialisation de nos projets ML.

Trois enjeux majeurs

Robustesse et prévention des risques

  • Garantir la qualité des projets livrés et diminuer le risque d’incidents une fois le modèle en production (grâce à des alertes sur les oublis potentiels identifiés en amont)

Standardisation et efficacité

  • Faciliter la bascule du mode de développement au mode d’automatisation, assurant une cohérence des projets avec les standards internes (documentation, monitoring).
  • Automatiser les vérifications répétitives

Maîtrise des coûts (FinOps)

  • Eviter des dépenses inattendues. Vérification des coûts liés aux requêtes trop gourmandes.
  • Les MLOPS ont développé des outils de contrôle et de vérification – à la main du data scientist – qui permettent d’automatiser une série de vérifications et de tests.
  • Les data scientist génèrent un “bundle” (l’artefact packagé final).
  • Ce bundle est ensuite importé par l’équipe MLOps dans l’environnement de recette pour la phase de validation technique.

Résultats

Les outils de contrôle automatisés et les échanges réguliers entre les Data Scientist et les équipes MLOps ont permis de :

  • Diviser par trois les délais et les charges de mise en production des projets IA.
  • Diminuer le nombre d’incidents liés aux projets utilisant les modèles d’IA déployés par la coopérative U (grâce à la qualité des livrables envoyés en industrialisation)