Question from the N8N test

Lors de l'utilisation de infer_signature avec des types complexes ou des colonnes optionnelles, quelle approche garantit le mieux la compatibilité stricte lors de l'inférence via MLflow Model Serving sans erreur de cast ?

import mlflow
from mlflow.models.signature import infer_signature

# Le modèle attend un dataframe pandas avec des types float64
# La signature est générée sur un dataset de validation
signature = infer_signature(X_val, model.predict(X_val))

mlflow.pyfunc.log_model(
    artifact_path="model",
    python_model=model,
    ___________,
    pip_requirements=requirements
)