Contexte : Un modèle de détection de fraude en production voit ses performances diminuer progressivement. Le Problème : Les données récentes diffèrent significativement des données d’entraînement, mais aucun mécanisme de détection n’est en place. Extrait logique actuelle : Modèle statique entraîné une seule fois Contraintes : Mettre en place détection de drift (statistique ou performance). Prévoir réentraînement périodique contrôlé. Garantir stabilité opérationnelle. Livrable attendu : Proposer une stratégie complète de détection et gestion du concept drift en production.