diff --git a/manuscrit/00_opening/10_abstract.tex b/manuscrit/00_opening/10_abstract.tex
index 97a1751..061f3ab 100644
--- a/manuscrit/00_opening/10_abstract.tex
+++ b/manuscrit/00_opening/10_abstract.tex
@@ -1,22 +1,22 @@
 \selectlanguage{french}
 \begin{abstract}
-    Qu'il s'agisse de calculs massifs distribués sur plusieurs racks, de
-    de calculs en environnement contraint comme de l'embarqué ou de
-    l'\emph{edge computing} ou encore de tentatives de réduire l'empreinte
-    écologique d'un programme fréquemment utilisé, de nombreux cas d'usage
-    justifient l'optimisation d'un programme. Celle-ci s'arrête souvent à
+    Qu'il s'agisse de calculs massifs distribués sur plusieurs racks, de de
+    calculs en environnement contraint comme de l'embarqué ou de l'\emph{edge
+    computing} ou encore de tentatives de réduire l'empreinte écologique d'un
+    programme fréquemment utilisé, de nombreux cas d'usage justifient
+    l'optimisation poussée d'un programme. Celle-ci s'arrête souvent à
     l'optimisation de haut niveau (algorithmique, parallélisme, \ldots), mais
     il est possible de la pousser jusqu'à une optimisation bas-niveau,
     s'intéressant à l'assembleur généré en regard de la microarchitecture du
     processeur précis utilisé.
 
-    Une telle optimisation demande une compréhension fine à la fois logicielle
-    et matérielle, et est bien souvent cantonnée aux experts du domaine.
-    Les \emph{code analyzers} (analyseurs de code), cependant, permettent
-    d'abaisser le niveau d'expertise nécessaire pour accomplir de telles
-    optimisations, en automatisant une partie du travail de compréhension des
-    problèmes de performance rencontrés.  Ces mêmes outils permettent également
-    aux experts d'être plus efficaces dans leur travail.
+    Une telle optimisation demande une compréhension fine des aspects à la fois
+    logiciels et matériels en jeu, et est bien souvent cantonnée aux experts du
+    domaine.  Les \emph{code analyzers} (analyseurs de code), cependant,
+    permettent d'abaisser le niveau d'expertise nécessaire pour accomplir de
+    telles optimisations, en automatisant une partie du travail de
+    compréhension des problèmes de performance rencontrés.  Ces mêmes outils
+    permettent également aux experts d'être plus efficaces dans leur travail.
 
     Dans ce manuscrit, nous étudierons les principaux goulots d'étranglement de
     performance d'un processeur, sur lesquels l'état de l'art montre des
@@ -32,6 +32,33 @@
 
 \selectlanguage{english}
 \begin{abstract}
-    This is my PhD's abstract. Check it out.
+    Be it massively distributed computation over multiple server racks,
+    constrained computation in embedded environments or \emph{edge computing},
+    or still an attempt to reduce the ecological footprint of a frequently-run
+    program, many use-cases make it relevant to deeply optimize a program. This
+    optimisation is often limited to high-level optimisation --~choice of
+    algorithms, parallel computing, \ldots{} Yet, it is possible to carry it
+    further to low-level optimisations, by inspecting the generated assembly
+    with respect to the microarchitecture of the specific microprocessor used
+    to fine-tune it.
+
+    Such an optimisation level requires a very detailed comprehension of both
+    the software and hardware aspects implied, and is most often the realm of
+    experts. \emph{Code analyzers}, however, are tools that help lowering the
+    expertise threshold required to perform such optimisations by automating
+    away a portion of the work required to understand the source of the
+    encountered performance problems. The same tools are also useful to
+    experts, as they help them to be more efficient in their work.
+
+    In this manuscript, we study the main performance bottlenecks of a
+    processor, on which the state of the art does not perform consistently. For
+    each of these bottlenecks, we contribute to the state of the art. We work
+    on automating the obtention of a model of the processor's \emph{backend};
+    we manually study the processor's \emph{frontend}, hoping to set a
+    milestone towards the automation of the obtention of such models; we
+    provide a tool to automatically extract a computation kernel's
+    \emph{memory-carried} dependencies. We also provide a systematic, automated
+    and fully-tooled study of the prediction accuracy of various
+    state-of-the-art code analyzers.
 \end{abstract}