Declencheur de reentrainement sur derive

Définition

Un declencheur de reentrainement sur derive est un mecanisme de surveillance automatise qui detecte une degradation statistique significative des donnees traitees ou des performances d'un modele en production, dite derive ou drift, et declenche en consequence un cycle de reentrainement, plutot que de suivre un calendrier fixe. On distingue la derive des donnees, ou data drift, correspondant a un changement de la distribution statistique des donnees d'entree par rapport aux donnees d'entrainement d'origine, et la derive du concept, ou concept drift, correspondant a une evolution de la relation entre les variables d'entree et la variable a predire, meme si la distribution des entrees reste stable. Techniquement, la detection de derive s'appuie sur des tests statistiques comme la divergence de Kullback-Leibler, l'indice de stabilite de population, ou PSI, ou des tests de Kolmogorov-Smirnov appliques en continu sur des fenetres glissantes de donnees de production, compares au jeu de reference d'entrainement. Des outils dedies comme Evidently AI ou les fonctionnalites de model monitoring des plateformes cloud automatisent ce suivi et generent des alertes lorsqu'un seuil predefini est franchi. Un declencheur de reentrainement sur derive bien calibre permet d'eviter deux ecueils opposes : le reentrainement trop frequent, couteux en calcul et en risque operationnel, et le maintien prolonge en production d'un modele dont les performances se degradent silencieusement, source frequente d'incidents documentes dans les audits post-deploiement.