La formation du modèle représente peut-être 20 % du travail. Le reste : expérimentations reproductibles, versionnage des données, conteneurs, déploiement, monitoring. Un modèle qui brille dans un ordinateur portable mais qui échoue mystérieusement en production est le mode d'échec classique de MLOps. Ce chapitre parcourt le chemin complet, du suivi des expériences avec MLflow à la surveillance de la dérive des données en production.