Rapidité, disponibilité, confidentialité des données : nombreuses sont les raisons de déployer ses modèles de Machine Learning (ML) en embarqué, au plus près de leur point de consommation. Néanmoins, ce choix s’accompagne de contraintes : smartphones, caméras intelligentes et autres objets connectés ont des capacités de calcul limitées qui doivent être utilisées de manière frugale.