> For the complete documentation index, see [llms.txt](https://medomicslab.gitbook.io/medomics-docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://medomicslab.gitbook.io/medomics-docs/v1-fr/collaboration.md). # Collaboration ### Partage de scène Au sein du module d'apprentissage, les utilisateurs peuvent **exporter une scène localement au format JSON**. Cette fonctionnalité permet des flux de travail complets en apprentissage automatique — représentés comme des configurations d'interface interactives — d'être **enregistrés, partagés et rechargés** entre différents utilisateurs et systèmes. En exportant une scène, les utilisateurs de Momi peuvent capturer tous les aspects de leur expérience, y compris les connexions entre nœuds, les paramètres et les configurations de pipeline, dans un seul fichier JSON. Ce fichier peut ensuite être **partagé avec des collaborateurs**, qui peuvent simplement l'importer pour **recréer la même interface expérimentale** avec des paramètres et une structure identiques. ### Partage de MEDMODEL Comme présenté dans le module d'apprentissage, **MEDMODEL** les objets représentent le **produit final d'une expérience d'apprentissage automatique** au sein de MEDomics. Chaque MEDMODEL encapsule le modèle entraîné ainsi que toutes les informations pertinentes sur son processus d'entraînement, telles que les étapes de prétraitement, les paramètres et les mesures de performance. Cette structure autonome permet le déploiement transparent du modèle finalisé sur de nouvelles données non vues et soutient la **collaboration** phase du flux de travail, comme illustré dans la figure ci-dessous.

L'étape de collaboration dans le flux de travail MEDomics

Grâce à MEDMODEL, les utilisateurs de MEDomics peuvent facilement **partager leurs modèles finalisés** entre équipes de recherche et collaborateurs. Cette fonctionnalité permet aux autres de **charger, tester et valider** des modèles existants sur leurs propres jeux de données, tout en conservant l'accès à l'intégralité du pipeline d'apprentissage automatique utilisé lors de l'entraînement. Une telle fonctionnalité favorise la reproductibilité, la transparence et la collaboration interinstitutionnelle sans nécessiter l'échange ou l'accès aux données sensibles. Comme illustré dans la figure ci-dessous, vous pouvez **exporter** un modèle finalisé simplement en cliquant avec le bouton droit sur le `.medmodel` objet et en sélectionnant **Synchroniser**. Cette action enregistre localement le MEDMODEL sous la forme d'un dossier structuré contenant deux composants principaux : * **`metadata.json`** – Stocke les métadonnées du modèle, y compris les noms de variables, les types de données, la colonne cible et d'autres descripteurs essentiels de l'expérience. * **`model.pkl`** – Un fichier sérialisé (pickle) contenant l'intégralité du pipeline d'apprentissage automatique. Cela inclut toutes les étapes de prétraitement, les transformations et le modèle entraîné lui-même, garantissant que le modèle peut être appliqué de manière cohérente à de nouvelles données. Une fois exporté, le dossier MEDMODEL peut être partagé en toute sécurité avec d'autres utilisateurs de MEDomics pour **les tests, l'affinement ou l'intégration** dans de nouvelles analyses. Cette approche permet aux équipes d'entraîner des modèles de manière indépendante tout en partageant uniquement les artefacts du modèle, surmontant ainsi les défis liés à la confidentialité des données et à l'accès interinstitutionnel aux données. --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter: ``` GET https://medomicslab.gitbook.io/medomics-docs/v1-fr/collaboration.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.