Lapparition et lutilisation de réseaux de neurones de plus en plus profonds associés à des données volumineuses engendre des problèmes matériels au sein des grappes de calculs actuelles. En effet, sil existe des heuristiques capables de contourner un blocage mémoire, elles impliquent une perte dinformation et/ou un allongement non négligeable du temps de calcul. ROTOR - Rematerializing Optimally with pyTORch propose une gestion automatique et optimale de la mémoire durant la phase dapprentissage dun réseau de neurones.