MLflow

MLflow est une plateforme open source pour gérer le cycle de vie complet d'un projet de machine learning : suivi des expérimentations, empaquetage des modèles dans un format standard, registre de modèles et déploiement. Le logiciel est distribué sous licence Apache 2.0, entièrement gratuit, sans plan payant ni fonctionnalité verrouillée derrière un abonnement : c'est un projet de la Linux Foundation, sans éditeur commercial qui en détienne la marque. Il s'installe localement en une commande ou se déploie sur un serveur de tracking maison. Databricks, qui a créé puis reversé le projet à la fondation, propose une version managée nommée Managed MLflow intégrée à sa plateforme, mais sans grille tarifaire spécifique publiée : elle est facturée dans le cadre de la consommation générale de Databricks (DBU), au forfait ou sur devis selon le contrat.

MLflow n'est pas traduit en français, ni sur le site du projet ni dans la documentation technique. En auto-hébergement, l'hébergement et la conformité RGPD dépendent entièrement de l'infrastructure choisie par l'utilisateur, puisque MLflow lui-même ne stocke rien sur des serveurs tiers. L'API REST et les SDK Python, R et Java couvrent l'essentiel des usages, avec des intégrations natives pour scikit-learn, PyTorch, TensorFlow, XGBoost, Hugging Face Transformers et Apache Spark. La limite honnête est l'absence de service managé propre à MLflow pour les petites structures qui ne veulent pas gérer un serveur de tracking : sans Databricks ni auto-hébergement, il faut passer par des offres tierces (comme les services cloud managés d'AWS ou d'Azure) pour obtenir une version hébergée clé en main.