Améliorer l'analyse de la performance des algorithmes numériques

Résumé : Cet article traite de la fiabilité des mesures de performances d'algorithmes numériques. Nous expliquons en particulier à quel point Rump a raison de dire que "Mesurer le temps d'exécution d'une implémentation d'un algorithme . . . sur les architectures d'aujourd'hui relève plus de l'aléa que de recherches scientifiques." Ni le décompte des opérations flottantes, ni les mesures basées sur les compteurs de performance ne sont satisfaisants en l'occurrence. Nous proposons une analyse du parallélisme d'instructions (ILP) des algorithmes pour éva- luer leur potentiel de performance plutôt que leur performance instantanée sur une exécution. Nous utilisons l'outil PerPI que nous avons développé pour automatiser l'analyse d'ILP. Nous montrons que PerPI donne une analyse de performance plus fiable que les mesures de temps et quasiment indépendante des machines. Nous montrons aussi ses faiblesses résiduelles.