Mlops

Situation réelle 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. Ce que j’ai observé : le budget ML qui tue. Sur projet recommendation engine 100M users 50K RPS, vrais coûts mensuels Infrastructure Serving AWS Model serving 12x c5.2xlarge $3,600/mois Feature store Redis Cluster $2,400/mois Data pipeline Airflow + workers $1,800/mois Monitoring stack Prometheus Grafana $600/mois Total serving $8,400/mois Training Infrastructure GPU training p3.8xlarge 40h/mois $4,200/mois Data storage S3 500TB $1,200/mois Compute feature engineering $2,100/mois Total training $7,500/mois Équipes nécessaires coûts annuels 2x Data Scientists seniors 140k€ chacun 280k€ 1x ML Engineer 120k€ 120k€ 0.5x Platform Engineer 130k€ 65k€ 0.3x DevOps spécialisé 140k€ 42k€ Total équipes 507k€/an ROI réel +18% click-through rate → +2.3M€ revenus annuels Payback period 8 mois Pas mal mais jamais linéaire. Le ML production c’est 10% data science 90% ingénierie. Si tu veux recherche reste lab. Si tu veux impact business investis infrastructure. ...

Article inspiré du chapitre “Le marché 2025” du livre “En quête d’expérience”. Dédramatisation 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. Mais ce ne sont pas des modes passagères. Ils résolvent de vrais problèmes : Prompt Engineering (industrialiser l’IA), MLOps (ML en production scalable), Cloud Security (protéger assets cloud). Ce que j’ai observé : beaucoup de développeurs sont tentés par ces nouveaux métiers pour les salaires (+25% à +35% vs développeur Full-Stack), mais ils ignorent les compétences requises et les risques (hype bubble potentielle, nécessité double compétence, on-call rotation). Ces métiers nécessitent un investissement en temps et en apprentissage. Est-ce pour vous ? Posez-vous : ai-je l’appétit d’apprendre un domaine nouveau ? Suis-je OK avec évolution rapide du métier ? Les salaires justifient-ils l’investissement temps ? ...