Shadow Deployment
iaDéfinition
Technique de déploiement ML acheminant le trafic réel vers un nouveau modèle en parallèle sans servir ses réponses, permettant de comparer ses performances sans risque.
Description
Le Shadow Deployment est une technique de déploiement ML qui achemine le trafic réel vers un nouveau modèle en parallèle du modèle de production, sans servir ses réponses aux utilisateurs. Cela permet de comparer les prédictions des deux modèles sur des données réelles sans aucun risque pour l'expérience utilisateur.
Fonctionnement
Un proxy duplique chaque requête vers le modèle shadow en plus du modèle de production. Les réponses du shadow sont loggées et comparées aux réponses de production pour détecter des divergences, des régressions ou des améliorations. Le shadow peut aussi mesurer la latence et la consommation de ressources.
Points clés
- Coût infrastructure doublé pendant la phase de shadow : à planifier dans le budget de déploiement
- Idéal pour valider des modèles à haut risque (détection de fraude, sécurité) avant exposition aux utilisateurs
- Complémentaire au canary deployment : shadow valide sans risque, canary mesure l'impact réel sur les métriques business
Besoin d'un expert sur ce sujet ?
Audit, pentest, conformité ISO 27001, développement IA sécurisé — demandez un devis gratuit.
Demander un devis