Dernière mise à jour 06-28-2026
Catégorie:
Reviews:
Join thousands of AI enthusiasts in the World of AI!
MLflow
MLflow est la plus grande plateforme open source d'ingénierie de l'IA pour les agents, les LLM (grands modèles de langage) et les modèles d'apprentissage automatique traditionnels. Les équipes l'utilisent pour déboguer, évaluer, surveiller et optimiser les applications d'IA en production tout en contrôlant les coûts et l'accès aux modèles. Avec 30 millions de téléchargements de packages chaque mois et plus de 26 000 étoiles sur GitHub, c'est l'un des outils les plus largement adoptés pour déployer l'IA en toute confiance.
La plateforme couvre deux branches principales. Pour les LLM et les agents, MLflow offre un traçage compatible OpenTelemetry, une évaluation systématique avec plus de 50 métriques intégrées et des juges LLM, un registre de prompts avec optimisation, une API Gateway pour le routage entre fournisseurs, et un Agent Server pour le déploiement basé sur FastAPI. Pour l'apprentissage automatique classique, elle couvre le suivi d'expériences, l'évaluation de modèles, un registre de modèles en production et des outils de déploiement.
Les ingénieurs ML, data scientists et équipes plateforme des startups comme des entreprises du Fortune 500 s'appuient sur MLflow pour itérer plus rapidement sans verrouillage par un fournisseur. Il s'intègre à plus de 100 frameworks dont LangChain, OpenAI, PyTorch, et scikit-learn, supporte Python, TypeScript, Java et R, et fonctionne localement, sur site ou dans n'importe quel cloud. Le projet est sous licence Apache 2.0 et soutenu par la Linux Foundation.
Le traçage compatible OpenTelemetry capture chaque invite, récupération et appel d'outil
Plus de 50 métriques d'évaluation intégrées plus des évaluateurs LLM-en-juge pour les tests de qualité
Le Registre d'Invites versionne les invites avec leur lignée et optimisation automatisée
AI Gateway route les requêtes entre fournisseurs LLM via une API unique compatible OpenAI
Agent Server déploie des agents en production avec streaming et traçage intégré
Le suivi des expériences enregistre paramètres, métriques, artefacts et code pour les exécutions ML
S'intègre avec LangChain, OpenAI, PyTorch et plus de 100 autres frameworks IA
Apache 2.0 open source sans verrouillage fournisseur, compatible avec plusieurs clouds, frameworks et fournisseurs de LLM.
Couvre à la fois LLMOps et le MLOps classique dans une seule plateforme, de la traçabilité au registre de modèles.
30 millions de téléchargements mensuels et plus de 26 000 étoiles sur GitHub témoignent d'une large adoption par l'industrie.
La traçabilité compatible OpenTelemetry s'intègre à l'infrastructure d'observabilité existante.
Commencez localement avec une seule commande et des modifications de code minimales grâce à l'autologging.
Les déploiements auto-hébergés nécessitent un effort opérationnel pour exploiter et maintenir le serveur de suivi.
L'étendue des fonctionnalités couvrant GenAI et le ML classique peut sembler écrasante pour les débutants.
Aucune offre SaaS gérée directement par le projet MLflow ; l'hébergement en production est auto-géré.
MLflow est-il gratuit ?
Oui. MLflow est 100 % open source sous la licence Apache 2.0, sans frais de licence. Vous pouvez héberger vous-même le serveur MLflow localement ou sur votre propre infrastructure, et les fonctionnalités principales de la plateforme sont gratuites.
Quels langages de programmation MLflow prend-il en charge ?
MLflow prend en charge Python, TypeScript et JavaScript, Java, et R. La documentation couvre les SDK et les intégrations d'autologging pour ces langages, Python étant le plus largement documenté.
Quels fournisseurs LLM et frameworks d'agents fonctionnent avec MLflow ?
MLflow s'intègre avec OpenAI, Anthropic, Gemini, Amazon Bedrock, LangChain, LangGraph, LlamaIndex, CrewAI, AutoGen, Vercel AI, LiteLLM, et des dizaines d'autres. Le site liste plus de 100 intégrations réparties entre fournisseurs LLM et frameworks d'agents.
Comment démarrer avec MLflow ?
Exécutez `uvx mlflow server` pour lancer un serveur de suivi local en environ 30 secondes. Ensuite, définissez votre URI de suivi et activez l'autologging pour votre framework, comme `mlflow.openai.autolog()` pour les applications LLM ou `mlflow.sklearn.autolog()` pour les modèles scikit-learn.
MLflow prend-il en charge OpenTelemetry ?
Oui. MLflow Tracing est entièrement compatible avec OpenTelemetry et prend en charge les GenAI Semantic Conventions. Cela permet aux équipes d'intégrer les traces MLflow avec des stacks d'observabilité existants sans verrouillage fournisseur.
MLflow peut-il être utilisé dans des organisations d'entreprise ?
Oui. MLflow est éprouvé à grande échelle par des entreprises du Fortune 500 et des milliers d'équipes. Il fonctionne sur site, dans n'importe quel cloud, ou via des services gérés, et les versions récentes ajoutent un contrôle d'accès basé sur les rôles pour la gestion des équipes LLM.