MLOps est un ensemble de pratiques combinant machine learning, DevOps et ingénierie des données pour déployer, surveiller et maintenir des modèles ML en production de manière fiable. Il couvre le cycle de vie complet : pipelines de données, entraînement, versionnement, déploiement, surveillance de dérive et réentraînement. Les MLOps empêchent la dégradation silencieuse des modèles après déploiement.