Emmanuel Lin TOULEMONDE, auteur/autrice sur OCTO Talks !

Architecture Decision Record : on commence aujourd’hui

Posté le 12/04/2023 par Emmanuel Lin TOULEMONDE

L’Architecture Decision Record (ADR), c’est comme le sexe chez les adolescents, tout le monde en parle, mais pas grand monde le fait. (Citation adaptée de Dan Ariely) L’ADR est un journal de décisions prises par l’équipe de développement. Les décisions peuvent être : Quel type de bases de données, quelle architecture, quel langage, quelle modélisation, etc. Les deux douleurs que nous constatons dans les équipes vis-à-vis des ADR sont : identifier quelles décisions tracer dans l’ADR et les rédiger. Afin de résoudre ces deux douleurs,…

Protection des données

La Duck Conf 2023 – Compte rendu du talk de Benjamin Bayart – « Sous le capot du cloud souverain »

Posté le 04/04/2023 par Emmanuel Lin TOULEMONDE

Benjamin Bayart à La Duck Conf 2023 Cloud souverain : de quoi parlons-nous ? Le terme cloud souverain a été introduit en 2012 par Nicolas Sarkozy, l’ambition était de permettre à la police d’intervenir sur les réseaux sociaux. L’état a alors investi massivement dans certains acteurs qui n’avaient pas d’expertise sur ce sujet-là. Avoir des résultats prend du temps, le projet a alors progressivement disparu. Le terme cloud souverain est revenu plusieurs années plus tard, en 2020, avec l’arrêt Schrems 2 rendu par la Cour…

Data Science

[MLOps] Monitoring & proactive notification d’une application de Machine Learning

Posté le 06/12/2022 par Emmanuel Lin TOULEMONDE

En tant que développeur d’application embarquant une brique de Machine Learning notre principal objectif est d’avoir une application utilisée qui fonctionne sans bogue. Une fois en production et utilisée, il faut anticiper ou identifier les bogues dans notre application et les résoudre au plus vite, afin de maintenir le service rendu et en tirer réellement profit. Nous détaillerons plus précisément la notion de bogue en ML, mais pour commencer nous pouvons dire qu'un bogue en ML est soit une absence de prédiction, soit une erreur…

Data Science

Machine Learning delivery : intégrer au plus tôt la sécurité

Posté le 20/09/2022 par Emmanuel Lin TOULEMONDE

Cet article fait partie de la série “Accélérer le Delivery de projets de Machine Learning”, traitant de l’application d’Accelerate dans un contexte incluant du Machine Learning. Si vous n’êtes pas familier avec Accelerate, ou si vous souhaitez avoir plus de détails sur le contexte de cet article, nous vous invitons à commencer par lire l’article introduisant cette série. Vous y trouverez également le lien vers le reste des articles pour aller plus loin. Considérer la sécurité en Machine Learning Élément clef en logiciel, la sécurité…

Data

Matrice Cynefin x Machine Learning : Quand mettre en production ?

Posté le 24/05/2022 par Emmanuel Lin TOULEMONDE

Mettre rapide un modèle de Machine Learning en production pour minimiser le risque des systèmes complexes Certains affirment qu’il faut attendre d’avoir finalisé son modèle de Machine Learning (ML) avant d’aller en production, d'autres qu’il faut aller au plus tôt en production pour avoir du feedback. Formé à l'école Agile, DevOps, Lean, Accelerate, je fais clairement plus partie de la deuxième catégorie ; cependant je dois reconnaître que certains problèmes méritent d’être résolus complètement avant d’aller en production. Ayant découvert récemment la matrice Cynefin, dans…

Data

Et si les métriques de monitoring de ML devenaient fonctionnalités ?

Posté le 10/05/2022 par Antoine MOREAU, Emmanuel Lin TOULEMONDE, Touraya EL HASSANI

Les équipes développant des applications de Data Science investissent beaucoup d’énergie pour identifier et implémenter des métriques de monitoring pertinentes. Nous pensons qu’il est possible de capitaliser sur ce travail en proposant des fonctionnalités supplémentaires à nos utilisateurs afin de renforcer l’impact de nos applications. Le monitoring s’appuie notamment sur le calcul de métriques à des fins de supervisions; c'est-à-dire mesurer l’état de service et détecter des problèmes. Les métriques calculées peuvent être plus ou moins haut niveau, plus ou moins éloignées du matériel: Bas…

Accelerate

Rendre visible la chaîne de valeur dans un projet de Machine Learning Delivery

Posté le 25/01/2022 par Guillaume PIVETTE, Emmanuel Lin TOULEMONDE

“Make the flow of work visible through the value stream. Teams should have a good understanding of and visibility into the flow of work from the business all the way through to customers, including the status of products and features. Our research has found this has a positive impact on IT performance." Extrait de: Forsgren PhD. « Accelerate. » Cet article fait partie de la série “Accélérer le Delivery de projets de Machine Learning”, traitant de l’application d’Accelerate [1] dans un contexte incluant du Machine…

Accelerate

La gestion des données de tests en Delivery de Machine Learning

Posté le 06/07/2021 par Emmanuel Lin TOULEMONDE

« […] successful teams had adequate test data to run their fully automated test suites and could acquire test data for running automated tests on demand. In addition, test data was not a limit on the automated tests they could run. » Extrait de: Forsgren PhD. « Accelerate. » Cet article fait partie de la série “Accélérer le Delivery de projets de Machine Learning” traitant de l’application du modèle Accelerate dans un contexte incluant du Machine Learning. Introduction Est-ce que vous avez déjà : Eu…

Accelerate

La gestion visuelle dans un projet de Machine Learning Delivery

Posté le 02/03/2021 par Emmanuel Lin TOULEMONDE,

Introduction En développement logiciel et en Machine Learning, le travail en cours n’est pas aussi visible que dans une usine où l'on voit les pièces s'assembler et progresser d'une étape à l'autre. Ne pas voir le travail en cours peut nous empêcher de voir certains des points bloquants, de se projeter sur la quantité de travail bientôt terminé, d’améliorer le process, … Pour remédier à cela, il est donc important d’outiller l’équipe pour rendre le travail visible tant au niveau des membres de l'équipe elle-même…

Data Science

Réussir ses projets de data science en 2021

Posté le 13/01/2021 par Emmanuel Lin TOULEMONDE, Eric Biernat

Pour cette nouvelle année 2021, nous souhaitons vous proposer 10 convictions qui vous permettront de mieux réussir vos projets de Data Science. Ces convictions sont inspirées de notre quotidien, de nos lectures et des évolutions du marché de la Data Science que nous observons chez OCTO. Livrer continuellement un petit incrément de valeur en production La Data Science, c’est aussi (et surtout) une matière informatique Appliquer les principes d’Accelerate aux projets Data Science Maîtriser la complexité des systèmes de Data Science Constituer des équipes autonomes…