Réponse rapide
Le parcours d’un modèle robotique relie collecte et préparation des données, entraînement, évaluation, validation dans le contexte, déploiement et surveillance. Versions, critères, dépendances et possibilité de retour sont conservés pour expliquer chaque décision et reproduire la configuration installée.
Construire une chaîne traçable
Données, transformations, modèle, métriques, matériel et environnement sont identifiés. Jeux séparés et configuration représentative précèdent une promotion ; version active et procédure de retour restent liées.
Déployer une détection de pièces
Collecte couvre éclairages et variantes, évaluation utilise une référence, puis caméra réelle et périmètre limité. Erreurs en ligne alimentent une analyse et une nouvelle validation, pas un remplacement automatique.
Proportionner les contrôles
Chaîne formalisée réduit oublis mais augmente documentation. Niveau de preuve, revue et surveillance suivent la criticité de la décision produite.
Sources et références
- [1] Model Monitoring — MLflow Documentation — MLflow
- [2] AI Risk Management Framework — NIST