Déployer et surveiller les modèles IA dans les processus logistiques

• Déployer des modèles d’IA dans les processus logistiques
• Surveiller leurs performances après la mise en service
• Décider de leur ajustement ou de leur retrait en cas de dérive

Data scientists, responsables logistiques, chefs de projet IA

Notions sur les modèles d’IA et les processus logistiques

• Définir les étapes du passage d’un modèle de la phase test à la production
• Identifier les processus logistiques concernés par le déploiement
• Préparer l’intégration du modèle avec les outils de gestion existants
• Prévoir les flux de données nécessaires au fonctionnement du modèle
• Définir les rôles des équipes métier, données et informatique
• Mettre en place des indicateurs de performance et de qualité du modèle
• Surveiller la dérive des données et la baisse de précision du modèle
• Organiser le contrôle humain des décisions sensibles prises avec l’IA
• Planifier le réentraînement et la mise à jour des versions du modèle
• Documenter le modèle et les décisions pour les audits internes

• Choisir les indicateurs de suivi d’un modèle en production
• Repérer les signes de dérive dans un historique de prévisions
• Rédiger la fiche de suivi d’un modèle déployé en entrepôt

• Modèle de fiche de suivi d’un modèle IA en production
• Check list de mise en production d’un modèle logistique
• Méthodologie de surveillance de la dérive d’un modèle