La télésanté et la surveillance à distance de la santé ont pris une importance croissante pendant la pandémie de SARS-CoV-2, et il est largement attendu que cela aura un impact durable sur les pratiques de soins de santé. Ces outils peuvent aider à réduire le risque d’exposition des patients et du personnel médical aux infections, rendre les services de santé plus accessibles et permettre aux prestataires de soins de voir plus de patients. Cependant, la mesure objective des signes vitaux est difficile sans contact direct avec le patient. Nous présentons une approche de mesure optique cardioréspiratoire basée sur vidéo et réalisée sur l’appareil. Elle utilise un réseau neuronal convolutif temporel à décalage multi-tâches (MTTS-CAN) novateur et permet des mesures cardiovasculaires et respiratoires en temps réel sur des plateformes mobiles. Nous évaluons notre système sur un processeur ARM (Advanced RISC Machine) CPU et obtenons une précision d’état de l’art tout en fonctionnant à plus de 150 images par seconde, ce qui rend possible des applications en temps réel. Des expérimentations systématiques sur de grands ensembles de données de référence montrent que notre approche entraîne des réductions substantielles (de 20% à 50%) des erreurs et se généralise bien entre les différents ensembles de données.