Aller au contenu principal
Institut des Hautes Études Technologiques et Commerciales

Compétences

MLOps : mettre un modèle en production et l'y tenir

Un modèle entraîné sur un poste de travail vaut une démonstration ; un modèle servi, versionné et supervisé vaut un actif. Le MLOps couvre ce passage : conteneurisation, exposition en service, suivi de dérive, reprise après incident, maîtrise du coût de calcul.

Ce qui sépare la démonstration du service

Un modèle en production vit dans un monde qui bouge : les données d'entrée dérivent, le volume double un lundi matin, une dépendance change de version. Le MLOps organise cette réalité — chaque modèle porte un numéro de version et son jeu d'entraînement, chaque prédiction laisse une trace, un indicateur signale la dérive avant qu'un utilisateur ne s'en plaigne, et un retour à la version précédente prend quelques minutes. C'est ce qui rend l'intelligence artificielle exploitable par une organisation plutôt que par une personne.

  • Empaqueter un modèle en conteneur et l'exposer comme service interrogeable
  • Versionner ensemble le modèle, ses données d'entraînement et son évaluation
  • Surveiller la dérive des entrées et déclencher un réentraînement
  • Revenir à la version précédente d'un modèle en quelques minutes

Les modules qui la portent

Un module transversal étalé sur plusieurs années porte la mention « Années 1 à 3 » : il accompagne le cursus entier plutôt qu'un semestre.

Bloc d'enseignementProgrammeHeures encadréesAnnée
Mise en production et supervisionCursus Intelligence Artificielle — Bac+5140 hAnnée 2
Coût de calcul et arbitrage techniqueCursus Data Science — Bac+5100 hAnnée 2
Mise en production et exploitationCursus Informatique — Bac+3180 hAnnée 3
Virtualisation et conteneursRéseaux et Cloud180 hAnnée 2

Jusqu'où vous allez

Vous tenez en production une chaîne de modèles supervisée, versionnée et réversible, avec son coût de calcul suivi. L'ambition d'une compétence se mesure au geste qu'elle autorise, puis au volume qui le soutient.

blocs d'enseignement
4

Règle du catalogue : un crédit vaut vingt-cinq heures de travail, dont dix heures encadrées.

d'enseignement encadré
600 h
crédits cumulés
60
titres professionnels concernés
3

Les cursus concernés

Les frais sont annoncés en francs guinéens, par an pour un cursus long, en une fois pour un format court.

ProgrammeNiveauDuréeFrais
Cursus Intelligence Artificielle — Bac+5Master2 ans7 800 000 GNF par an
Cursus Data Science — Bac+5Master2 ans7 200 000 GNF par an
Cursus Informatique — Bac+3Licence3 ans5 400 000 GNF par an
Réseaux et CloudLicence2 ans5 600 000 GNF par an

Les titres professionnels qui l'exigent

Un titre professionnel se prépare sur un métier précis, avec un volume et un niveau opposables.

Titre professionnelMétier viséNiveauVolume encadré
Chef de projet intelligence artificiellechef de projet IA, responsable données6 · Responsable et cadre800 h
Responsable infrastructure et cloudresponsable infrastructure, responsable production6 · Responsable et cadre800 h
Technicien données et intelligence artificielle appliquéetechnicien data, intégrateur de solutions IA5 · Technicien supérieur et agent de maîtrise700 h

Trois questions, trois réponses

Le MLOps s'adresse-t-il aux développeurs ou aux data scientists ?

Aux deux, et c'est précisément son objet : il met en commun la rigueur d'exploitation des uns et la connaissance des modèles des autres. Les blocs viennent des deux cursus.

Aborde-t-on le coût de calcul ?

Oui, un bloc entier de cent heures encadrées y est consacré en data science : arbitrage entre taille de modèle, latence attendue et facture d'infrastructure.

Où les modèles sont-ils hébergés pendant la formation ?

Sur un environnement d'exécution fourni par l'établissement, dimensionné pour les travaux du cursus et administré par les équipes techniques.

À explorer ensuite

Voir les 56 pages
Déposer une candidature
MLOps : mettre un modèle en production et l'y tenir — Compétences | IHETC — IHETC