MLOps
Qu'est-ce que le drift en IA ? Définition (dérive de modèle)
Définition du drift : la dégradation progressive et silencieuse de la performance d'un modèle d'IA en production, quand les données réelles s'écartent de celles d'entraînement.
25 juin 20261 min
Image de couverture
Le drift est la dégradation progressive de la performance d'un modèle d'IA en production, lorsque les données réelles évoluent et s'éloignent de celles sur lesquelles il a été entraîné.
C'est un risque insidieux : le modèle ne plante pas, il devient simplement de moins en moins juste, sans alerte. On parle de *data drift* (les données changent) et de *concept drift* (la relation à prédire change). Le détecter exige un monitoring continu — le cœur du MLOps.
→ Détecter le drift : observabilité et évaluation des agents IA.