Correction d’un modèle affecté par un data drift en production

Scénario

Contexte : Un modèle de classification d’images fonctionne bien en phase pilote mais sa performance chute en production. Le Problème : Les nouvelles images ont des caractéristiques différentes (luminosité, résolution, contexte). Extrait logique actuelle : Modèle déployé sans monitoring continu Contraintes : Mettre en place détection de drift sur distribution des pixels ou embeddings. Prévoir stratégie de réentraînement contrôlé. Livrable attendu : Proposer une stratégie complète de monitoring et gestion du drift pour un modèle de vision en production.

Compétences ciblées