Les modèles flux de données sont des paradigmes de programmation efficaces pour exposer le parallélisme d’une application. Traditionnellement, les méthodes de placement et d’ordonnancement pour les modèles flux de données reposent sur des transformations complexes de graphes pour exposer tout le parallélisme potentiel d’une application, ce qui peut donner lieu à des graphes complexes pour des applications hautement parallèles. La complexité des algorithmes de placement et d’ordonnancement sur ces graphes complexes est prohibitive, alors que le parallélisme exposé dépasse souvent le parallélisme potentiel de l’architecture cible. Nous proposons dans cet article la méthode automatique SCAPE pour contrôler la complexité de la transformation du graphe de pré-ordonnancement en utilisant des informations provenant des modèles d’architecture et d’application. En diminuant la complexité de ce graphe, les algorithmes de placement et d’ordonnancement sont accélérés au détriment potentiel de l’ordonnancement produit. La méthode SCAPE permet de contrôler la taille du graphe de pré-ordonnancement pour trouver le compromis optimal entre rapidité et qualité du placement-ordonnancement. La méthode SCAPE accélère les algorithmes de placement et de l’ordonnancement de l’état de l’art d’un facteur pouvant aller jusqu’à 2 ordres de grandeur