Chapitre 1 : Surveillance de la performance du modèle

Principaux indicateurs à surveiller

Catégorie	Indicateurs
Qualité du modèle	Précision, AUC, F1, précision, rappel
Latence	Temps de réponse P50, P95, P99
Débit	Requêtes par seconde
Erreurs	Taux d'erreur, types d'erreurs
Affaires	Impact sur les revenus, taux de conversion

Indicateurs Prometheus

from prometheus_client import Counter, Histogram, Gauge

# Compteur de prédictions
predictions = Counter(
    'model_predictions_total',
    'Total des prédictions',
    ['model_version', 'prediction_class']
)

# Histogramme de latence
latency = Histogram(
    'model_prediction_latency_seconds',
    'Latence des prédictions',
    buckets=[0.01, 0.05, 0.1, 0.25, 0.5, 1.0]
)

# Jauge de précision du modèle (mise à jour périodiquement)
accuracy = Gauge(
    'model_accuracy_current',
    'Précision actuelle du modèle'
)

@app.post("/predict")
async def predict(request: PredictionRequest):
    with latency.time():
        result = model.predict(request.features)
        predictions.labels(model_version="2.1.0", prediction_class=str(result)).inc()
        return {"prediction": result}

---

Suivant : Chapitre 2 : Détection de dérive