Votre plateforme MLOps, hébergée en France
La plateforme de référence pour le cycle de vie du machine learning propulsée par MLflow, installée et maintenue par DINAO. Vos expériences, modèles et données d'entraînement restent sur nos serveurs français — sans dépendre d'un cloud ML américain.
Qu'est-ce que MLflow ?
MLflow est une plateforme open source de référence pour gérer le cycle de vie complet du machine learning. Elle couvre le suivi des expériences, la reproductibilité du code, le registre de modèles et le déploiement, et s'est imposée comme un standard du MLOps.
Son composant Tracking enregistre paramètres, métriques et artefacts à chaque exécution, ce qui permet de comparer les entraînements et d'identifier le meilleur modèle. Le Model Registry versionne les modèles et orchestre leur promotion entre les étapes (staging, production), tandis que MLflow Projects garantit un packaging reproductible. MLflow prend aussi en charge le suivi et l'évaluation des applications LLM / GenAI.
Indépendant des bibliothèques, MLflow s'intègre avec scikit-learn, PyTorch, TensorFlow, XGBoost et bien d'autres, via des SDK Python, R, Java et une API REST. Avec un backend PostgreSQL et un stockage d'artefacts S3-compatible, il se déploie en conteneur et passe naturellement à l'échelle pour les équipes data.
Hébergez MLflow chez DINAO
Paliers de ressources compatibles avec les pré-requis de MLflow (1 vCPU / 1 Go / 5 Go disque minimum). Hébergé en France, infogéré.
- 1 vCPU dédiés
- 2 Go de RAM
- 20 Go NVMe
- Sauvegardes quotidiennes
- Infogéré & supervisé par DINAO
- 2 vCPU dédiés
- 4 Go de RAM
- 40 Go NVMe
- Sauvegardes quotidiennes
- Infogéré & supervisé par DINAO
- 4 vCPU dédiés
- 8 Go de RAM
- 80 Go NVMe
- Sauvegardes quotidiennes
- Infogéré & supervisé par DINAO
- 8 vCPU dédiés
- 16 Go de RAM
- 160 Go NVMe
- Sauvegardes quotidiennes
- Infogéré & supervisé par DINAO
Cette application utilise l'IA
Le conteneur héberge l'application, pas le moteur d'IA (qui exige des GPU dédiés) : l'inférence se branche à l'extérieur, avec votre propre clé fournisseur. Privilégiez un moteur souverain — Mistral AI, NumSpot, Scaleway ou OVHcloud AI Endpoints (France, RGPD) ; un acteur international (OpenAI, Anthropic…) seulement si une capacité précise l'exige. Abonnements d'inférence non inclus dans l'hébergement.
Détails techniques
Vous vous demandez…
À quoi sert MLflow ?
MLflow gère tout le cycle de vie de vos modèles de machine learning : suivi des expériences (paramètres, métriques, artefacts), packaging du code, registre de modèles versionnés et déploiement. C'est la colonne vertébrale d'une démarche MLOps.
Mes jeux de données quittent-ils mes serveurs ?
Non. Sur votre instance DINAO hébergée en France, vos données d'entraînement, expériences et modèles restent sur nos serveurs. Aucune donnée n'est transmise à un cloud tiers.
Quels frameworks ML sont compatibles ?
MLflow s'intègre avec la plupart des bibliothèques : scikit-learn, PyTorch, TensorFlow, XGBoost, et bien d'autres, via les SDK Python, R, Java et l'API REST. Le suivi LLM/GenAI est également pris en charge.
Faut-il des compétences techniques ?
MLflow s'adresse aux équipes data/ML. DINAO gère l'installation, le backend (PostgreSQL, stockage objet), la sécurité et les mises à jour ; vos data scientists se concentrent sur leurs modèles.
Puis-je changer de formule ou exporter mes données ?
Oui. Vous montez ou descendez de palier à tout moment, et vos expériences, modèles et artefacts restent exportables — pas de verrouillage propriétaire, MLflow étant open source.
