La Data Science et le machine learning sont omniprésents dans notre quotidien. Qui n’a jamais entendu parler d’intelligence artificielle, d’ « IA » ? \ Beaucoup de contenus traitent de mise en forme, de manipulation de données et de modèles de machine learning mais très peu détaillent ce qui vient ensuite lorsqu’il s’agit de déployer ces algorithmes dans un environnement de production. C’est pourtant bien là que les choses se corsent ! \ Nous vous proposons de parcourir l’intégralité des étapes d’un projet de data science en s’attardant tout particulièrement sur les obstacles rencontrés lors de son industrialisation. \ Après avoir présenté la problématique de détection d’anomalies et les méthodes de machine learning choisies pour y répondre, il sera question d'architecture micro-services, de Python et R conjointement en Prod (si si c’est possible), de cluster Kubernetes, d’intégration continue et de monitoring.