Cet article analyse les changements de performances lors du déploiement d'un réseau neuronal audio pré-entraîné à grande échelle sur des appareils aux ressources limitées comme le Raspberry Pi. Nous étudions expérimentalement l'impact de la température du processeur, de la qualité du microphone et du volume du signal audio sur les performances. Nous avons révélé qu'une augmentation de la température due à une utilisation prolongée du processeur déclenche le mécanisme de ralentissement automatique du Raspberry Pi, affectant ainsi la latence d'inférence. De plus, nous démontrons que la qualité du microphone et le volume du signal audio sur des appareils peu coûteux comme le Google AIY Voice Kit impactent les performances du système. Nous rencontrons des difficultés importantes liées à la compatibilité des bibliothèques et aux exigences spécifiques de l'architecture du processeur du Raspberry Pi, ce qui rend le processus moins simple qu'avec un ordinateur standard (PC). Ces observations peuvent aider les chercheurs à développer des modèles d'apprentissage automatique plus compacts, à concevoir du matériel dissipant la chaleur et à sélectionner les microphones appropriés lors du déploiement de modèles d'IA sur des appareils périphériques pour des applications temps réel.
