[{"data":1,"prerenderedAt":114},["ShallowReactive",2],{"seo-verification":3,"marketplace-app-fr-mlflow":6},{"google":4,"bing":5},"EycwPY2XMyTkVzas3n1ygeNJFGAH513qrMjfDljzsMQ","",{"key":7,"data":8},"marketplace-app-fr-mlflow",{"slug":9,"slugs":10,"categorySlugs":11,"name":16,"description":17,"phase":18,"unavailableReason":19,"docsUrl":20,"logo":21,"github":22,"tagline":23,"longDescription":24,"features":25,"useCases":32,"steps":42,"faq":58,"specs":71,"compatibleOs":83,"relatedApps":84,"relatedPosts":107,"category":111},"mlflow",{"fr":9,"en":9,"ar":9,"es":9},{"fr":12,"en":13,"ar":14,"es":15},"ia","artificial-intelligence","الذكاء-الاصطناعي","inteligencia-artificial","MLflow","Suivi d'expériences de machine learning, registre de modèles et traçage des applications LLM, sur votre VPS et derrière un mot de passe.",2,"awaiting_qa","https:\u002F\u002Fservorbit.com\u002Fblog\u002Fself-host-mlflow-vps","https:\u002F\u002Favatars.githubusercontent.com\u002Fu\u002F39938107","https:\u002F\u002Fgithub.com\u002Fmlflow\u002Fmlflow","MLflow — suivez vos expériences ML, versionnez vos modèles et tracez vos applications LLM sur votre VPS, en HTTPS et protégé.","MLflow est la plateforme open source (licence Apache-2.0) de référence pour le cycle de vie du machine learning. Un serveur de suivi central reçoit, depuis vos notebooks et vos scripts d'entraînement, les paramètres, les métriques et les artefacts de chaque exécution : vous comparez vos essais côte à côte au lieu de les recopier dans un tableur.\n\nLe registre de modèles versionne ce qui part en production, avec alias et historique. Et pour les applications d'IA générative, MLflow trace chaque appel à un modèle de langage — entrées, sorties, latence, étapes intermédiaires — pour comprendre une réponse et la déboguer. Sur ServOrbit, le serveur s'installe en un clic, protégé par un compte administrateur et servi en HTTPS.",[26,27,28,29,30,31],"Suivi d'expériences — paramètres, métriques et artefacts de chaque exécution, comparés dans l'interface.","Registre de modèles — versions, alias et historique des modèles destinés à la production.","Traçage LLM — entrées, sorties, latence et étapes de vos applications d'IA générative.","Artefacts servis par le serveur — fichiers, graphiques et modèles envoyés et téléchargés en HTTPS, sans stockage S3 à configurer.","Toutes les bibliothèques Python — scikit-learn, PyTorch, Transformers, XGBoost, OpenAI, LangChain, avec journalisation automatique.","Accès protégé — compte admin au mot de passe généré, exigé sur l'interface et sur l'API ; les autres comptes ne voient que ce qu'on leur partage.",[33,36,39],{"title":34,"body":35},"Comparer vos entraînements","Chaque exécution d'un notebook ou d'un script enregistre ses hyperparamètres et ses métriques : vous retrouvez en un écran l'essai le plus performant, avec son code et ses fichiers.",{"title":37,"body":38},"Un registre de modèles pour l'équipe","Enregistrez les modèles validés, donnez-leur un alias comme « production », et laissez votre service d'inférence charger toujours la bonne version.",{"title":40,"body":41},"Déboguer une application LLM","Activez le traçage de votre assistant ou de votre agent : chaque requête affiche ses appels au modèle, ses étapes et sa latence, pour comprendre une mauvaise réponse.",[43,46,49,52,55],{"title":44,"body":45},"Créer le VPS et choisir l'adresse","Commandez un VPS Ubuntu 24.04 avec 2 Go de RAM (4 Go et plus de disque si vous stockez de nombreux modèles). MLflow exige un domaine : vos scripts, vos notebooks et votre équipe s'y connectent, il doit répondre en HTTPS sur un nom stable. Il s'ouvre sur un sous-domaine de l'un de vos domaines, ou sur le sous-domaine gratuit du VPS (mlflow.{dns_slug}.servorbit-dns.com), HTTPS compris. Inutile d'acheter un nom de domaine.",{"title":47,"body":48},"Installer MLflow depuis les Applications en 1 clic","Dans votre espace client, sélectionnez MLflow, choisissez l'adresse et cliquez sur Installer. Le script déploie le conteneur officiel, génère le mot de passe du compte `admin`, active l'authentification sur l'interface et l'API, limite les noms d'hôte acceptés à votre adresse et configure le reverse proxy nginx en HTTPS.",{"title":50,"body":51},"Se connecter la première fois","Ouvrez https:\u002F\u002Fvotre-domaine\u002F : le navigateur demande un identifiant. Saisissez `admin` et le mot de passe affiché dans votre espace client. Vous pouvez le changer ensuite par l'API `users\u002Fupdate-password` ; le nouveau mot de passe est conservé aux redémarrages.",{"title":53,"body":54},"Brancher vos notebooks et vos scripts","Définissez `MLFLOW_TRACKING_URI=https:\u002F\u002Fvotre-domaine`, `MLFLOW_TRACKING_USERNAME=admin` et `MLFLOW_TRACKING_PASSWORD`, puis appelez `mlflow.start_run()` dans votre code. Les paramètres, métriques et artefacts apparaissent aussitôt dans l'interface.",{"title":56,"body":57},"Ouvrir l'accès à votre équipe","Créez un compte par personne avec l'API `users\u002Fcreate`, connecté en `admin`. Un nouveau compte ne voit aucune expérience tant que vous ne lui en avez pas partagé : les droits se donnent expérience par expérience et modèle par modèle.",[59,62,65,68],{"q":60,"a":61},"Quelle différence entre MLflow et Langfuse ?","Langfuse se concentre sur les applications LLM : traces, évaluations et gestion des prompts. MLflow couvre tout le cycle du machine learning — suivi des entraînements, comparaison des essais, registre de modèles — et trace aussi les applications d'IA générative. Pour une équipe qui entraîne ses propres modèles, MLflow est le bon point de départ ; pour une application qui n'appelle que des LLM, Langfuse est plus spécialisé.",{"q":63,"a":64},"Faut-il un nom de domaine pour MLflow ?","Oui. Vos scripts, vos notebooks et votre équipe se connectent au serveur, et MLflow n'accepte que les noms d'hôte déclarés : il doit répondre en HTTPS sur un nom stable. Inutile d'en acheter un : chaque VPS ServOrbit dispose d'un sous-domaine gratuit (mlflow.{dns_slug}.servorbit-dns.com) avec certificat HTTPS. Vous pouvez aussi utiliser un sous-domaine de l'un de vos domaines.",{"q":66,"a":67},"Comment me connecter la première fois ?","Ouvrez https:\u002F\u002Fvotre-domaine\u002F et saisissez l'identifiant `admin` et le mot de passe affiché dans votre espace client. Ces identifiants protègent aussi l'API : votre code les lit dans `MLFLOW_TRACKING_USERNAME` et `MLFLOW_TRACKING_PASSWORD`.",{"q":69,"a":70},"Où sont stockés mes modèles et mes artefacts ?","Sur votre VPS, dans le volume Docker `mlflow-data` : la base SQLite des expériences, celle des comptes et le dossier des artefacts. Rien ne part chez un tiers. Pour sauvegarder, arrêtez le conteneur et archivez ce volume, puis copiez l'archive hors du VPS.",{"ram":72,"cpu":73,"disk":74,"stack":75,"port":79,"license":80,"version":81,"os":82},"2 Go minimum","1 vCPU","20 Go",[76,77,16,78],"Docker","Python","SQLite","8111","Apache-2.0","v3.18.0","Ubuntu 24.04",[],[85,93,101],{"name":86,"slug":87,"categorySlug":12,"categoryName":88,"categoryColor":89,"logo":90,"tagline":91,"description":92},"Langfuse","langfuse","Intelligence Artificielle","text-purple-400 bg-purple-500\u002F10","https:\u002F\u002Fcdn.jsdelivr.net\u002Fgh\u002Fselfhst\u002Ficons\u002Fsvg\u002Flangfuse.svg","Observabilité des applications LLM auto-hébergée : chaque appel tracé, chaque coût mesuré, chaque prompt versionné et évalué — sans envoyer vos traces à un service tiers.","Plateforme d'observabilité LLM open-source : tracez chaque appel IA, évaluez la qualité des réponses, gérez vos prompts et comparez les coûts de modèles — auto-hébergée sur votre VPS.",{"name":94,"slug":94,"categorySlug":95,"categoryName":96,"categoryColor":97,"logo":98,"tagline":99,"description":100},"marimo","developpement","Développement","text-warning bg-warning\u002F10","https:\u002F\u002Favatars.githubusercontent.com\u002Fu\u002F98563464","marimo — notebooks Python réactifs sur votre VPS : fichiers .py versionnables, cellules qui se recalculent seules, données et graphiques.","Notebook Python réactif et open source : notebooks enregistrés en fichiers .py, cellules recalculées automatiquement, bibliothèques de données incluses.",{"name":102,"slug":103,"categorySlug":12,"categoryName":88,"categoryColor":89,"logo":104,"tagline":105,"description":106},"Ollama","ollama","https:\u002F\u002Fcdn.simpleicons.org\u002Follama","Servez des LLM open source depuis votre VPS — API compatible OpenAI, aucun coût au jeton.","Servez des LLM open source depuis votre propre serveur. Récupérez Llama 3, Mistral, Qwen ou DeepSeek en une commande, derrière une API compatible OpenAI et sans coût au jeton.",[108,109,110],"self-host-langfuse-vps","self-host-marimo-vps","heberger-ollama-vps",{"key":12,"slug":12,"name":88,"objective":112,"icon":113,"color":89},"Créer, héberger et exploiter des solutions IA.","ai",1793982536988]