Mlops

Faire du ML en production, c’est 10% de data science et 90% d’infrastructure. Après avoir déployé plusieurs projets ML en prod, voici les vraies métriques qui comptent : combien ça coûte, quelles équipes tu as besoin, et comment justifier le ROI auprès du board. Le budget ML qui tue Coûts infrastructure réels Sur un projet de recommendation engine (100M de users, 50K RPS), voici les vrais coûts mensuels : Infrastructure Serving (AWS) : ...

Article inspiré du chapitre “Le marché 2025” du livre “En quête d’expérience”. En 2020, ces trois métiers n’existaient pas vraiment. En 2025, ils recrutent à tour de bras avec des salaires parfois supérieurs aux seniors classiques. 1. Prompt Engineer : L’architecte des conversations IA Ce que c’est vraiment Pas juste : “Savoir parler à ChatGPT” Vraiment : Créer des systèmes de prompts complexes, optimisés, reproductibles pour applications production. # Prompt simple (junior) prompt = "Résume ce texte" # Prompt engineeré (senior) prompt = """ Tu es un expert en analyse de documents techniques. Context: {document_metadata} Task: Résume ce document en 3 niveaux: 1. Executive summary (3 bullet points) 2. Technical details (5-7 points) 3. Action items (priorités) Format: JSON Tone: Professional, concis Length: Max 500 mots """ Compétences requises ✅ NLP fundamentals ✅ API LLM (OpenAI, Anthropic, etc.) ✅ Python/TypeScript ✅ Evaluation metrics (BLEU, ROUGE, etc.) ✅ Cost optimization (token usage) ✅ Prompt injection prevention Salaires (France/Europe) Junior (< 2 ans) : 45-55k€ Mid (2-4 ans) : 60-75k€ Senior (4+ ans) : 80-100k€ Expert : 100-130k€+ Comment se lancer Étape 1 : Foundations (2-3 mois) ...