Ce travail porte sur l’ordonnancement et les stratégies de checkpoint utiles à l’exécution d’applications scientifiques structurées en forme de graphes de tâches, sur des plateformes à grande échelle, sensibles aux fautes. A notre connaissance, ce travail est le premier à traiter des erreurs fatales pour des graphes de tâches arbitraires. La plupart des travaux existants traitent des erreurs silencieuses, qui corrompent la tâche en train d’être exécutée sur un processeur mais ne provoquent pas la disparition totale de la mémoire de ce processeur, contrairement aux erreurs fatales. Nous revisitons les heuristiques d’allocation classiques telles que HEFT et MinMin, auxquelles nous rajoutons plusieurs stratégies de checkpoint. L’objectif est de trouver un juste milieu efficace entre checkpointer toutes les tâches (CkptAll), ce qui est trop lourd quand les erreurs surviennent rarement, et n’en checkpointer aucune (CkptNone), ce qui induit des temps de ré-exécution élevés, même quand seulement quelques fautes surgissent durant l’exécution. Contrairement à ce qui a été fait précédemment, notre approche s’applique à des graphes de tâches quelconques, pas seulement à certaines classes spéciales de graphes de tâches comme les M-SPGs (Graphe Série-Parallèle Minimal). Plusieurs expériences montrent un gain significatif par rapport à CkptAll et CkptNone, pour une large variété de graphes de tâches.