ZenML
Framework MLOps open source (Apache 2.0) qui transforme ton code ML en pipelines versionnés et reproductibles au lieu de scripts jetables. Tu écris tes étapes en Python, ZenML track chaque artefact, chaque modèle et chaque exécution dans un même métastore, et le même pipeline tourne en local pour débugger puis sur Kubernetes ou dans le cloud sans changer ta logique. Il couvre le ML classique (scikit-learn, PyTorch) comme les pipelines LLM et agents (LangGraph, LlamaIndex), avec plus de 60 intégrations pour brancher tes outils existants.
Forces
- Pipelines reproductibles et versionnés : chaque run est rejouable à l’identique, artefacts et métadonnées tracés
- Le même code tourne en local puis sur Kubernetes ou cloud sans réécriture de la logique
- Couvre ML classique ET pipelines LLM/agents, 60+ intégrations pour brancher l’existant
Limites
- Courbe d'apprentissage réelle : disproportionné pour un petit projet ou un simple test d'idée
- Le plein bénéfice (Kubernetes, control plane managé) suppose une infra que tout le monde n’a pas
Pour qui
- Transformer une réplication de papier en projet portfolio reproductible et crédible
- Prouver une compétence MLOps concrète (versioning, lineage, rejouabilité)
- Structurer un pipeline ML ou LLM qui doit passer de ta machine à la prod sans réécriture