TP3 Partie 1 : log_model + Model Registry + promotion par alias

lab/modeling/cli.py

@@ -3,6 +3,7 @@ import logging
 import mlflow
 import pandas as pd
 import typer
+from mlflow.models import infer_signature
 from sklearn import linear_model
 from sklearn import metrics
 
@@ -17,6 +18,11 @@ logger = logging.getLogger(__name__)
 @app.command()
 def main(
     strategy: constants.ModellingStrategy,
+    register: bool = typer.Option(
+        False,
+        "--register/--no-register",
+        help="Enregistrer le modele dans le Model Registry (cree une nouvelle version).",
+    ),
 ):
     training_file_path = constants.DATASET_DIR / "train.parquet"
     validation_file_path = constants.DATASET_DIR / "validation.parquet"
@@ -72,6 +78,24 @@ def main(
         ):
             mlflow.log_metric(f"coef_{feature_name}", float(coefficient))
 
+        # Sauvegarde de l'artefact du modele (poids + signature + environnement
+        # d'execution : requirements.txt, conda.yaml, MLmodel). --register empile
+        # une nouvelle version dans le Model Registry pour les meilleures experiences.
+        signature = infer_signature(X_train, train_predictions)
+        mlflow.sklearn.log_model(
+            sk_model=model,
+            name="model",
+            signature=signature,
+            input_example=X_train.iloc[:5],
+            registered_model_name=(
+                constants.REGISTERED_MODEL_NAME if register else None
+            ),
+        )
+        if register:
+            logger.info(
+                f"Model registered as '{constants.REGISTERED_MODEL_NAME}' (nouvelle version)"
+            )
+
 
 if __name__ == "__main__":
     app()