Registre de caracteristiques en temps reel

Définition

Un registre de caracteristiques en temps reel, ou online feature store, est un composant d'infrastructure de machine learning qui sert des variables predictives, appelees caracteristiques ou features, avec une latence de l'ordre de la milliseconde afin d'alimenter des modeles d'intelligence artificielle au moment meme de l'inference. Il repond a un besoin distinct du registre de caracteristiques hors ligne : la detection de fraude, la personnalisation de recommandation ou la tarification dynamique exigent des variables fraiches, comme le nombre de transactions d'un utilisateur dans les cinq dernieres minutes, impossibles a calculer a l'avance dans un entrepot de donnees classique. Techniquement, ces registres reposent sur des bases de donnees cle-valeur a faible latence comme Redis, DynamoDB ou Cassandra, alimentees par des flux de traitement en continu bases sur Kafka, Flink ou Spark Streaming. L'enjeu central est la coherence entre les caracteristiques calculees hors ligne pour l'entrainement et celles servies en ligne pour l'inference, un ecart appele skew entrainement-service qui degrade silencieusement la performance du modele s'il n'est pas maitrise. Des plateformes comme Feast, Tecton ou Databricks Feature Store unifient ces deux couches sous une meme definition de caracteristique, calculee une fois et servie dans les deux contextes, ce qui reduit la duplication de logique et facilite la gouvernance des donnees utilisees par les modeles en production.