De nos jours, les Systèmes Cyber-Physiques (CPS) sont de plus en plus présents dans la vie quotidienne. Dans ces systèmes, les composants ont besoin d'une certaine quantité de données d'entrée pour produire une quantité connue de données de sortie, et certains d'entre eux doivent le faire en synchronisation avec une échelle de temps de référence.

La prochaine génération de véhicules autonomes s'appuiera fortement sur des systèmes CPS à base de fusion de capteurs pour faire fonctionner la voiture. Les capteurs et les actionneurs ont des fréquences spécifiques. Pour produire sa sortie, le noyau de fusion a besoin d'un certain nombre d'échantillons provenant de plusieurs sources, avec une corrélation temporelle entre eux.

La prédiction des performances est importante pour le concepteur du système lors de sa mise en oeuvre. Elle couvre différentes caractéristiques du système, notamment son débit, son empreinte mémoire et sa latence. Dans le cas d'exécutions distribuées de tels systèmes sur des plateformes matérielles, une analyse des communications entre les composants est nécessaire pour configurer un réseau capable de respecter le temps réel de l'application.

Prenons l'exemple de système de fusion de données qui pourrait être intégré à l'écran du cockpit d'une voiture, représenté sur La figure\ref{exp}. Celui-ci est composé de trois capteurs produisant des échantillons de données qui seront utilisés par un composant de fusion de données, et un composant d'affichage. La fonction des capteurs est de lire les données d'entrée, tandis que la fonction du composant de fusion de données est de calculer un résultat sur la base de ces données. La fonction du composant d'affichage est de rendre le résultat de la fusion sur un écran. Pour ce faire, les composants capteurs envoient les données au composant de fusion, et le composant de fusion envoie le résultat au composant d'affichage. Le premier composant capteur est une caméra vidéo produisant images. Les deux autres composants analysent les échantillons radar et lidar pour produire un descripteur des obstacles détectés les plus proches. Le composant de fusion utilise ces informations pour dessiner les descripteurs d'obstacles sur la trame correspondante.

Les formalismes de flux de données appelés \textit{Data Flow (DF)} peuvent être utilisés pour effectuer ce type d'analyse des performances \cite{benazouz2013liveness}.
Les travaux de \cite{dubrulle2021polygraph} présentent un formalisme de flux de données étendant les \textit{Synchronous Data Flow (SDF)} avec une sémantique de synchronisation pour les acteurs ainsi que les propriétés correspondantes.

Dans ce travail, nous présentons des stratégies d'allocation et d'ordonnancement partants de ce formalisme afin d'optimiser l'exécution d'applications temps réelles sur des platefrome de calculs hétérogènes. Elles constituent les futurs platefomes d'exécution d'applications sur les véhicules.