Continuous Training (ML)
iaDéfinition
Pratique MLOps de réentraînement automatique et périodique d'un modèle ML sur de nouvelles données pour maintenir ses performances face au drift.
Description
Le Continuous Training est la pratique MLOps de réentraîner automatiquement et périodiquement un modèle ML sur de nouvelles données pour contrer le data drift et le concept drift. Sans réentraînement continu, les performances des modèles se dégradent progressivement à mesure que la distribution des données réelles évolue.
Fonctionnement
Des pipelines automatisés (Kubeflow, Vertex AI Pipelines, MLflow) déclenchent le réentraînement selon des triggers définis : dérive statistique détectée, seuil de performance dégradé, ou fenêtre temporelle fixe. Les nouveaux modèles passent par une validation automatisée avant promotion en production.
Points clés
- Le data drift (évolution de la distribution des entrées) et le concept drift (évolution des relations) nécessitent des stratégies différentes
- Les systèmes de détection d'intrusions doivent être réentraînés face aux nouvelles techniques d'attaque émergentes
- Le continuous training introduit des risques de data poisoning si les nouvelles données ne sont pas validées
Besoin d'un expert sur ce sujet ?
Audit, pentest, conformité ISO 27001, développement IA sécurisé — demandez un devis gratuit.
Demander un devis