Contexte : Plusieurs modèles sont en production mais aucun suivi centralisé des performances n’est actif. Le Problème : Les dégradations de performance sont détectées tardivement. Contraintes : Définir métriques clés (accuracy, recall, drift). Mettre en place alertes automatiques. Centraliser suivi des modèles. Livrable attendu : Proposer une architecture complète de monitoring ML permettant supervision proactive des modèles en production.