Décomposition des systèmes monolithiques à base d’intelligence artificielle en microservices

Ghlissi, Hakim (2026). Décomposition des systèmes monolithiques à base d’intelligence artificielle en microservices. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

Prévisualisation

PDF Télécharger (1MB) | Prévisualisation

Résumé

L’essor rapide de l’Intelligence Artificielle (IA) a profondément transformé les architectures logicielles, en plaçant les composants de l’IA au cœur des systèmes modernes. Toutefois, les architectures monolithiques, longtemps dominantes, atteignent rapidement leurs limites face aux besoins de mise à l’échelle, de maintenabilité et d’évolution continue inhérents aux pipelines IA, qui englobent des étapes critiques telles que le prétraitement des données, l’entraînement et le déploiement des modèles. Les approches classiques de migration vers les microservices, initialement conçues pour des systèmes traditionnels dépourvus de composants intelligents, se révèlent inadaptées à ces spécificités, car elles échouent à capturer la complexité et l’interdépendance des flux de données et des processus spécifiques à l’apprentissage automatique.

Pour répondre à ces limites, nous proposons une approche de décomposition des systèmes IA monolithiques en microservices. Notre approche comporte deux volets complémentaires : (1) d’une part, une recherche de la littérature qui met en évidence les forces et les limites des approches existantes de décomposition de systèmes monolithiques en microservices, (2) d’autre part, une approche automatisée de décomposition qui combine l’usage de patrons architecturaux et les modèles de langage (LLMs) afin de guider la décomposition.

Nous validons notre approche sur trois systèmes IA monolithiques et comparons les résultats de décomposition obtenus à deux approches de référence issues de la littérature. Les résultats démontrent l’efficacité de notre méthode pour produire des décompositions modulaires et sensibles aux spécificités des traitements en IA, avec une précision de 84% et un rappel de 65%, surpassant les approches de référence.

Titre traduit

Migration of machine learning-based systems to microservices

Résumé traduit

The rapid rise of artificial intelligence (AI) has profoundly transformed software architectures, placing machine learning components at the core of modern systems. However, monolithic architectures, long considered the standard, quickly reach their limits when faced with the demands of scalability, maintainability, and continuous evolution inherent to AI pipelines, which include critical stages such as data preprocessing, training, and model deployment. Traditional migration approaches toward microservices, originally designed for systems without intelligent components, prove inadequate in this context, as they fail to capture the complexity and interdependencies of data flows and learning processes.

To address these limitations, we propose a decomposition approach explicitly tailored to monolithic AI-based systems. It brings together two complementary aspects : first, a review that highlights the strengths and limitations of existing approaches for transforming monolithic systems into microservices; and second, an original decomposition approach that combines the use of architectural patterns with the assistance of large language models to identify and group AI pipeline components into cohesive and loosely coupled microservices.

We validate our approach on three monolithic AI-based systems and compare our decomposition results with two baseline approaches from the literature. The results demonstrate the effectiveness of our method in producing modular and AI-aware decompositions, with a precision of 84% and a recall of 65%, outperforming the baseline approaches.

Type de document:	Mémoire ou thèse (Mémoire de maîtrise électronique)
Renseignements supplémentaires:	"Mémoire présenté à l'École de technologie supérieure comme exigence partielle à l'obtention de la maîtrise avec mémoire en génie logiciel". Comprend des références bibliographiques (pages 93-100).
Mots-clés libres:	système IA monolithique, architecture en microservices, ingénierie logicielle, décomposition assistée par LLM, décomposition en microservices
Directeur de mémoire/thèse:	Directeur(-trice) Abdellatif, Manel
Codirecteur:	Codirecteur(-trice) de mémoire/thèse Moha, Naouel
Programme:	Maîtrise en ingénierie > Génie
Date de dépôt:	15 avr. 2026 15:24
Dernière modification:	15 avr. 2026 15:24
URI:	https://espace.etsmtl.ca/id/eprint/3864

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt