MLOps : le nouveau rôle de la science des données

Les analystes des opérations d’apprentissage automatique (MLOps) ont fait irruption sur la scène alors que la demande a augmenté parmi les entreprises pour des informations cohérentes et fiables en interne. Nous parlons à Monika Rzepecka, analyste MLOps à l’agence d’intelligence du marché, des consommateurs et de la marque, GfK, pour savoir ce que le rôle implique et ce qu’il offre, stratégiquement.

Que peut impliquer le rôle de MLOps ?

MLOps est un domaine très frais. Il est encore en développement et les entreprises ont des idées divergentes sur ce qu’est le rôle. De nombreuses entreprises ne l’ont même pas encore, mais l’envisagent. Essentiellement, les analystes MLOps sont une section de l’équipe de science des données. Notre rôle est de rendre les projets d’apprentissage automatique, ou IA, plus systématiques, reproductibles et bien entretenus. Alors que les scientifiques des données se concentrent sur la conception d’algorithmes et l’interprétation des informations, les MLOps se concentrent sur le fait de s’assurer que le modèle fonctionne au mieux face à l’évolution des demandes. Nous surveillons les métriques des algorithmes, améliorons les performances et définissons les meilleures pratiques.

Quelle est la place des MLOps dans les projets de science des données ?

Ces projets comportent généralement les étapes suivantes : cadrage, collecte de données, formation du modèle et déploiement en production. Après cela, MLOps entre en jeu. Nous évaluons et surveillons la viabilité du modèle pendant son utilisation. Par exemple, à mesure que différentes données sont ajoutées à partir de nouveaux points de vente ou d’interfaces clients, ou à mesure que l’environnement de l’entreprise se développe. Nous avons également un rôle réactif important. Cela se produit lorsque ceux qui utilisent l’analyse interrogent les résultats ou remarquent un mauvais comportement. À ce stade, nous identifions la source du problème et y remédions si nécessaire.

Quels avantages les DSI retirent-ils des MLOps ?

Bien qu’il n’existe pas encore de manuel sur ce que les MLOps devraient fournir, l’attente principale est que nous veillons à ce qu’une approche systématique soit adoptée avec l’apprentissage automatique. Nous veillons à ce que le résultat soit cohérent en termes de qualité et d’efficacité, et qu’il soit transparent et fiable. Cela s’applique à la fois aux analyses historiques et prédictives. Nous offrons également des gains d’efficacité opérationnels significatifs, en permettant aux scientifiques des données de se concentrer sur leurs domaines principaux, plutôt que de surveiller et d’interroger l’utilisation du code.

Quelle est l’importance de MLOps pour GfK ?

C’est crucial. À GfK nous puisons dans une énorme quantité de données pour alimenter notre informations sur l’intelligence d’affaires. Nous sommes passés d’une société d’études de marché traditionnelle à un fournisseur de confiance de analyse prescriptive des données, propulsé par une technologie innovante. Comme pour toutes les entreprises fortement dépendantes de la science des données, il est primordial que nos informations basées sur les données soient transparentes et fiables, et que tous les processus soient cohérents et efficaces. Nous avons actuellement deux analystes MLOps à temps plein, un poste pour lequel nous recrutons en ce momentet nous prévoyons d’en recruter davantage.

Quelles compétences possède généralement quelqu’un dans MLOps ?

En tant que nouveau rôle, les compétences et les antécédents des personnes varient actuellement assez largement. Ma propre formation est dans les méthodes qualitatives en économie, travaillant avec des algorithmes d’apprentissage automatique et des outils de surveillance. Ce qui est important, c’est la curiosité des données. S’intéresser à ce qui se passe. Pour pouvoir explorer des masses de données, repérer des modèles et identifier ce qui fonctionne ou ne fonctionne pas. Nous avons également besoin d’une compréhension des modèles et des algorithmes d’apprentissage automatique, ainsi que des compétences et de l’enthousiasme nécessaires pour enquêter et conduire des changements importants.

Comment les entreprises peuvent-elles attirer et retenir les MLOps talentueux ?

Je dirais que de nombreux analystes MLOps recherchent la capacité d’évoluer dans le rôle et de faire une différence tangible dans le fonctionnement de l’entreprise. Dans de nombreux cas, nous partons d’une feuille de papier vierge. Nous sommes le genre de personnes qui aiment pouvoir innover pour trouver de meilleures façons de travailler. Les analystes MLOps aiment l’espace pour approfondir et façonner le rôle à mesure que l’entreprise fait progresser son utilisation de l’analyse. La création de cet environnement de confiance et de liberté sera importante pour les entreprises, étant donné que les analystes MLOps sont de plus en plus demandés.

Qu’est-ce qui vous passionne dans l’avenir du rôle?

Pour moi, il s’agit de voir comment les MLOps évoluent au sein de différentes organisations à mesure que l’appétit pour le rôle grandit parmi les chefs d’entreprise. Il va y avoir une accélération de la croissance de ce que MLOps offre aux différentes entreprises, des outils intelligents disponibles et de ce qui est finalement possible en collaboration avec l’équipe de science des données. Je suis ravi d’être au début de ce grand mouvement.

Pour en savoir plus, visitez https://www.gfk.com/about-gfk