Cette présentation se penche sur l'utilisation de l'Early Exit et des options de rejet en apprentissage automatique comme leviers d'amélioration de l'efficacité et de la performance computationnelle. En intégrant ces approches dans les architectures dédiées à la vision par ordinateur et au traitement du langage, nous mettons en lumière leur capacité à minimiser les besoins en ressources tout en préservant, voire en améliorant, la précision des modèles. L'objectif est de fournir une vue concise sur l'apport de ces techniques vers une pratique de l'apprentissage automatique à la fois plus écologique et économique.
