Abstract FR:

Des transformations de code permettent de réduire le temps d'exécution des programmes en améliorant l'exploitation des processeurs. Pour déterminer les transformations à appliquer, les outils automatiques reposent sur des heuristisques complexes à produire car les transformations peuvent avoir des effets de bord et interagissent entre elles. D'autre part, toutes les optimisations ne sont pas à la portée de ces outils. Ainsi, la production de code efficace se termine encore aujourd'hui par une phase de "tuning". Nous proposons, au travers de cette thèse l'utilisation de techniques provenant de l'intelligence artificielle : le raisonnement à partir de cas pour détecter les opportunités de transformations et les techniques d'apprentissage pour produire les heuristiques de compilateur. La mise en oeuvre du prototype CAHT (Computer Aided Hand Tuning) nous a permi de valider notre approche dans les domaines des applications numériques et des applications enfouies.