ML

Archi & techno

Quelle stratégie de découpage adopter pour un produit de ML maintenable dans le temps ? – Compte-rendu du talk de Pierre Baonla Bassom à La Duck Conf 2022

Avez vous déjà entendu l’histoire de Netflix, qui a dépensé énormément d’argent dans un super système de recommandation, mais qui n’a jamais été déployé car trop complexe ? Cette histoire n’est pas un cas isolé et se retrouve beaucoup plus souvent que vous ne le pensez. Entre les produits de ML qui ne sont jamais envoyés en production et ceux qui mettent 6 mois à être déployés, il y a une vraie perte de temps et d’argent lorsque les produits de ML ne sont pas…

Lire la suite