Les équipes de Data Science ont souvent la responsabilité de créer des modèles pour résoudre les problèmes que leur soumettent les opérateurs métier, mais pas celle de faire vivre ces modèles en production !

Or, cela est souvent une source importante de coût et de complication opérationnelle pour gérer l'injection de nouvelles données et ré-entraîner les algorithmes.

De même que le jumeau numérique est la tendance dans l'industrie pour appréhender le cycle de vie d'un produit de sa conception à sa maintenance, il existe des solutions de Machine Learning qui automatise la conception des modèles grâce à l'IA la préparation des données, la construction des modèles pour obtenir les meilleurs résultats. Cela permet ainsi de faciliter leur intégration sur les lignes de production et surtout leur maintenance (ajout de données, entraînements automatisés).