Les architectures multi-cœurs comprenant plusieurs GPU sont devenues courantes dans le domaine du calcul à hautes performances (HPC). Cependant, tirer le maximum de performance de telles architectures hétérogènes est un défi qui nécessite d'ordonnancer précisément les calculs aux différentes unités de traitement, ainsi que les transferts de données afférents. Les approches les plus prometteuses reposent sur des intergiciels (runtime) à base de tâches qui présentent une abstraction de la machine sur laquelle ces tâches sont ordonnancées de manière opportuniste. En conséquence, toute la difficulté devient de choisir la granularité des tâches, la structure du graphe de tâches et d'optimiser les algorithmes d'ordonnancement. L'évaluation des combinaisons de ces différents paramètres est un défi en soi. En effet, l'obtention de mesures précises nécessite l'exclusivité d'accès aux ressources pendant la totalité des expériences. De plus, ces observations étant limitées aux quelques systèmes disponibles il peut être difficile d'en tirer des conclusions générales. Dans ce rapport de recherche, nous montrons comment nous avons simulé/émulé StarPU, un runtime dynamique pour architecture hybride, à l'aide de SimGrid, un simulateur versatile d'architectures distribuées. Cette approche permet d'obtenir très rapidement des prédictions de performances précises à quelques pour cent près sur des noyaux d'algèbre linéaire dense. Ceci permet aux développeurs de l'application et du runtime de décider rapidement quelle optimisation activer ou d'évaluer l'opportunité de faire évoluer l'architecture.