L’AutoML (Automated Machine Learning) désigne l’ensemble des techniques et des outils qui automatisent les étapes les plus répétitives du cycle de développement des modèles de machine learning : prétraitement des données, ingénierie des variables (features), choix de l’algorithme, optimisation des hyperparamètres et évaluation des performances.
Concrètement, une équipe data peut explorer en quelques heures ce qui demandait auparavant des jours d’expérimentation manuelle, et construire et maintenir davantage de modèles avec les mêmes ressources.
Ce que l’AutoML automatise, et ce qu’il n’automatise pas
Il automatise :
- l’imputation des valeurs manquantes, avec plusieurs stratégies testées en parallèle ;
- l’encodage des variables catégorielles (one-hot, target encoding, embeddings) ;
- la sélection et la transformation des variables, avec évaluation de leur importance ;
- la recherche d’hyperparamètres par optimisation bayésienne ;
- la comparaison d’algorithmes (gradient boosting, réseaux de neurones, régression régularisée, etc.) ;
- l’assemblage de modèles (ensemble) pour maximiser les performances.
Il n’automatise pas :
- la définition du problème métier et des indicateurs de réussite ;
- la validation de la qualité et de la représentativité des données ;
- la conception de l’architecture d’inférence en production ;
- l’analyse des biais et de l’équité du modèle ;
- l’interprétation des résultats en vue de la prise de décision.
L’AutoML accélère le cycle technique, mais ne remplace ni le jugement de l’équipe data ni l’alignement avec les métiers.
Les principales plateformes
| Plateforme | Profil | Point fort |
|---|---|---|
| Google Vertex AI AutoML | Cloud (GCP) | Intégration native avec BigQuery et la mise en production sur GCP |
| Azure AutoML | Cloud (Azure) | Intégration avec Azure ML et Power BI |
| AWS SageMaker Autopilot | Cloud (AWS) | Transparence : génère le code du pipeline obtenu |
| H2O AutoML | Open source / Cloud | Performances sur données tabulaires, interface web gratuite |
| AutoGluon | Open source | Très compétitif dans les benchmarks, simple d’utilisation |
| FLAML | Open source (Microsoft) | Efficacité avec des ressources limitées |
Le choix dépend de l’infrastructure existante, du volume de données et de la nécessité ou non d’un code auditable.
Quand l’AutoML a-t-il du sens en entreprise ?
L’AutoML est particulièrement utile lorsque :
- de nombreux modèles similaires doivent être maintenus (un par région, par produit, par segment) ;
- l’équipe data consacre beaucoup de temps à la phase d’expérimentation ;
- les modèles doivent être renouvelés fréquemment à mesure que de nouvelles données arrivent ;
- l’équipe technique est réduite et souhaite couvrir le plus grand nombre possible de cas d’usage.
Il n’a pas de sens lorsque le problème exige des architectures de deep learning très spécifiques (vision, langage), lorsque les jeux de données sont extrêmement réduits, ou lorsque l’explicabilité et la maîtrise totale du pipeline sont des exigences réglementaires strictes.
L’AutoML dans le cycle MLOps
L’AutoML ne remplace pas le MLOps : il en est l’une des composantes. Le schéma recommandé utilise l’AutoML pour la phase d’expérimentation et de sélection du modèle, puis relie le meilleur pipeline aux fonctions d’entraînement continu, de surveillance de la dérive (drift) et de gestion des versions de modèles de la plateforme MLOps.
Questions fréquentes
L’AutoML remplace-t-il les data scientists ? Non. L’AutoML automatise des tâches répétitives du cycle technique et libère l’équipe data pour le travail à plus forte valeur : comprendre le problème, concevoir la stratégie de données, interpréter les résultats et gérer le cycle de vie du modèle en production.
Les modèles AutoML rivalisent-ils avec les modèles développés manuellement ? Sur des données tabulaires structurées, les modèles AutoML (surtout avec assemblage) sont souvent comparables ou supérieurs aux modèles développés manuellement. Pour les problèmes qui font appel au deep learning ou à des données non structurées, les modèles spécialisés développés manuellement font généralement mieux que l’AutoML.
Combien de temps dure une expérimentation AutoML ? Cela dépend de la taille du jeu de données et du budget de calcul alloué. Des expérimentations simples sur des jeux de moins de 100 000 lignes, avec quelques heures de calcul, produisent généralement un modèle compétitif. Des recherches plus exhaustives peuvent tourner pendant plusieurs jours, avec de nombreux candidats en parallèle.