3. 3.2 Comparaison des frameworks TinyML
| Critère | TFLite Micro | ESP-DL | ONNX Micro |
|---|---|---|---|
| Origine | Google / TensorFlow | Espressif (natif ESP32) | Microsoft |
| Format modèle | .tflite (flatbuffer) |
Poids binaires + config JSON | .ort (ONNX Runtime) |
| Quantification | INT8 (post-training) | INT8, INT16 | INT8 |
| Intégration IDF | Composant esp-tflite-micro |
Composant ESP-IDF natif | Via ort-arm |
| Maturité | Très mature, large écosystème | Mature pour ESP32 spécifiquement | Moins répandu sur MCU |
| Recommandé pour | Modèles portables, large doc | Perf maximale sur ESP32-S3 | Migration depuis ONNX |
Choix pour cette formation : TFLite Micro avec esp-tflite-micro. C'est le choix le plus documenté, le plus portable, et compatible avec les modèles pré-entraînés disponibles publiquement (Google Speech Commands, Edge Impulse).