L'optimisation de modèle regroupe des techniques améliorant l'efficacité d'un modèle entraîné — réduisant la latence, l'utilisation mémoire et le coût de calcul — sans dégrader significativement la qualité des prédictions. Méthodes : quantization, élagage, distillation, fusion d'opérateurs, optimisation de graphe. L'optimisation est cruciale pour le déploiement à l'échelle : un modèle à 2 secondes par prédiction peut être réduit à 50 millisecondes pour devenir exploitable en production.