Définition
La dérive de modèle est la baisse progressive de la performance d'un modèle d'apprentissage automatique en production, parce que le monde a changé depuis son entraînement : nouveaux comportements d'achat, nouvelle réglementation, nouveau format de données. Le modèle continue de répondre avec assurance, mais ses prédictions s'éloignent de la réalité. Les équipes distinguent la dérive des données d'entrée et la dérive de la relation entre entrées et résultat.
Dans la pratique
Un modèle livré sans surveillance de sa dérive finira par prendre de mauvaises décisions sans que personne ne s'en aperçoive. Un MLOps engineer met en place les indicateurs, les alertes et le ré-entraînement périodique. Le piège est de considérer un projet de machine learning comme terminé le jour de la mise en production.
Termes liés
Définition rédigée par L'équipe Top Profil. Glossaire mis à jour le . Tous les termes du glossaire.