Model Registry : Définition et Exemples

Un Model Registry (registre de modèles) est une plateforme centralisée qui sert de catalogue organisé pour tous les modèles de machine learning d'une organisation. Il permet aux équipes de data science et d'ingénierie ML de stocker chaque version d'un modèle avec ses métadonnées associées : hyperparamètres, métriques de performance, jeux de données d'entraînement et artefacts connexes.

Le Model Registry joue un rôle clé dans le MLOps en apportant de la traçabilité et de la gouvernance au cycle de vie des modèles. Chaque modèle enregistré passe par différents stades — développement, staging, production, archivé — ce qui permet aux équipes de savoir exactement quel modèle est déployé, quand il a été mis à jour et par qui. Cette approche élimine le chaos des modèles stockés dans des dossiers personnels ou des notebooks éparpillés.

Dans le contexte du prompt engineering, le Model Registry prend une importance particulière car il permet de documenter quel modèle de langage (GPT-4, Claude, Mistral, etc.) est utilisé pour chaque application, avec quelle version et quels prompts système associés. Cela garantit la reproductibilité des résultats et facilite les comparaisons entre différentes configurations.

Les solutions les plus populaires incluent MLflow Model Registry, Amazon SageMaker Model Registry, Weights & Biases et Hugging Face Hub. Chacune offre des fonctionnalités de versionnement, de collaboration et d'intégration CI/CD adaptées à différentes échelles d'organisation.