Catégorie : Sobriété des applications

Précédemment, nous vous avions proposé des classements des jeux vidéo sur mobile :  

• https://greenspector.com/fr/jeux-video-sur-mobile/ 
• https://greenspector.com/fr/classement-des-meilleures-applications-et-jeux-android-2019-par-greenspector/ 

Depuis le dernier en date (début 2020), les téléchargements et revenus ont augmenté considérablement. Aujourd’hui, les jeux sur mobile représenteraient la majeure partie des revenus du jeu dématérialisé (source : https://www.statista.com/topics/1680/gaming/#topicOverview [EN]), avec notamment des hausses sans précédent au cours de la pandémie (source : https://www.statista.com/statistics/511639/global-mobile-game-app-revenue/ [EN]).  

Si l’on regarde les jeux sur mobile les plus téléchargés en 2022, on obtient le classement suivant : 

Source : https://www.statista.com/statistics/1285134/top-downloaded-gaming-apps-worldwide/ [EN] 

La première chose que l’on remarque par rapport au précédent classement des jeux sur mobile est qu’on retrouve trois jeux : Subway Surfers, Candy Crush Saga et 8 Ball Pool. En termes de téléchargements, Subway Surfers reste en première place du classement.  

En regardant les dépôts d’APK, on note que la fréquence de sortie d’une nouvelle version de l’APK est très variable : au maximum une tous les 15 jours environ pour Candy Crush Saga ou Race Master 3D, au moins une par semaine pour Roblox. Ces mises à jour ont évidemment un impact environnemental. Pour des raisons de simplicité, nous allons ici nous concentrer sur l’impact du leur usage en nous mettant dans les conditions d’un premier lancement du jeu. L’unité fonctionnelle serait donc : “lancer une partie du jeu pour la première fois, sur un appareil mobile Android de milieu de gamme et en WIFI”.  

Ceci nous permettra d’évaluer les impacts environnementaux de ces jeux afin de les comparer. 

Méthodologie 

Définition du parcours utilisateur  

Pour la mesure, il était indispensable mais difficile de définir un parcours utilisateur commun à l’ensemble des jeux. Comme indiqué plus haut, la réponse évidente pour nous était un parcours de lancement de l’application puis de lancement d’une partie. Il se trouve que les choses se sont vite compliquées.  

Pour la plupart des jeux étudiés, le premier lancement comprend plusieurs écrans intermédiaires :  

• Recueil du consentement relatif au RGPD 

• Saisie de l’âge du joueur 
• Recueil du consentement lié aux publicités 
• Création d’un profil ou rattachement à un compte sur un service tiers (Google, Facebook, etc). A ce titre, il serait intéressant ultérieurement d’analyser plus en détail les services tiers utilisés dans chaque jeu.  
• Chargement de mises à jour du contenu 

Si les trois premiers éléments de la liste ne sont renseignés qu’une seule fois, la mise à jour de contenu peut intervenir inopinément et indépendamment de la mise à jour de l’APK.  

Le rattachement à un compte Google a rendu l’automatisation du jeu Bridge Race trop complexe par rapport au temps que nous avions décidé de consacrer à cette étude, ce qui a poussé à sortir le jeu de l’échantillon étudié ici. En particulier, nous avons constaté des différences de comportement lors du rattachement du profil Google selon le terminal utilisé. Par la suite, nous verrons pour proposer une étude complémentaire s’appuyant directement sur les impacts d’une minute de jeu, via l’outil Freerunner de Greenspector.  

Au final, nous avons tout de même essayé d’automatiser pour chaque jeu le parcours suivant : 

Étape 1 : Lancement de l’application

Étape 2 : Chargement de l’écran titre

Étape 3 : Lancement d’une partie

Entre ces étapes mesurées se sont parfois intercalées des actions de validation de consentement ou de connexion qui n’ont pas été mesurées car absentes de certaines applications. La grande quantité d’éléments à cliquer et d’écrans intermédiaires lors du premier lancement du jeu ont empêché d’aller jusqu’au lancement d’une partie pour FIFA Mobile. Les mesures et calculs présentés ici sont donc en-dessous de la réalité mais ont été conservés afin de mettre en évidence d’autres éléments. 

Dans le cadre de cette étude, les données ont été mesurées entre le 11 et le 16 août 2023 à l’aide de Greenspector Studio. Nous avons utilisé le langage GDSL (Greenspector Domain-Specific Language) pour rédiger des scripts de test, qui reproduisent automatiquement les actions à effectuer sur un téléphone.  Le module Testrunner nous a ensuite permis de réaliser les mesures sur un smartphone Android : nous avons ainsi obtenu les consommations d’énergie et de ressources (mémoire, CPU, données échangées) et les temps de réponse pour chacune des étapes du parcours. Enfin à partir de ces mesures, le modèle d’impacts intégré à Greenspector Studio évalue l’impact environnemental correspondant ainsi que les ecoscores. Pour rappel, dans le cas d’une mesure de parcours utilisateur, l’Ecoscore global se décompose en trois Ecoscores : Performance, Données mobiles et Energie. Chacun est noté entre 0 et 100, 100 étant le meilleur score. Chacun de ces scores s’obtient à partir des notes obtenues par chaque étape de mesure, celles-ci dépendant de seuils. Par exemple, dans le cas des données mobiles pour les étapes de chargement :  

Hypothèses 

Lors de cette évaluation, nous sommes partis d’un premier lancement de l’application. Ceci représente forcément un parcours plus impactant que pour les utilisations ultérieures mais permet de se faire une meilleure idée du fonctionnement du jeu. A noter que, lors de l’utilisation du jeu, il y aura également souvent des mises à jour régulières qui seront elles aussi impactantes.  

Contexte de mesure 

• Samsung Galaxy S9, Android 10   
• Réseau : Wi-Fi   
• Luminosité : 50%  
• Tests réalisés sur au moins 3 itérations pour fiabiliser les résultats 

Hypothèses retenues pour les projections environnementales 

• Localisation des utilisateurs : 100% Monde
• Localisation des serveurs : 100% Monde

• Appareils utilisés : smartphones uniquement 

L’empreinte environnementale dépend de la localisation des serveurs de l’application, de leur type, de la localisation des utilisateurs et du type d’appareils qu’ils utilisent.  Nous avons étudié l’usage des applications uniquement sur smartphone. Nous sommes également partis du principe que les utilisateurs sont très majoritairement en-dehors de la France, de même que les serveurs.

Résultats 

Tout d’abord, on constate que les APK pour un premier téléchargement font majoritairement entre 160 et 200 Mo, ce qui est déjà très conséquent. Seuls Candy Crush Saga et 8 Ball Pool sont en-dessous avec autour de 90 Mo. Pour Free Fire, on monte à 400 Mo ! 

La durée des usages serait d’un peu plus de 20 min par jour si l’on en croit cette étude de Statista : https://www.statista.com/statistics/1272891/worldwide-game-apps-time-spent-daily-age/ [EN]. L’impact de l’installation et des mises à jour, dans l’hypothèse d’une utilisation quotidienne ou presque, a donc été laissé de côté dans la présente étude. Il est toutefois possible que, dans le cas d’un jeu qui ne serait utilisé que de façon sporadique dans le temps, les mises à jour soient plus impactantes que l’utilisation. Le risque pour l’éditeur du jeu est, dans ce cas, de voir l’utilisateur se désintéresser du jeu. La mise à jour de l’APK peut être gérée au quotidien comme pour les autres applications mobiles mais, ici, c’est la mise à jour du contenu lors du lancement du jeu qui peut devenir problématique. Comme nous l’évoquerons plus loin, tout est fait pour inciter à jouer quotidiennement. 

Au niveau des données transférées pour le premier lancement du jeu, la plupart des jeux demandent quelques Mo supplémentaires. Seul 8 Ball Pool ne demande pas de transfert de données. Inversement, FIFA Mobile, Stumble Guys, Race Master 3D et Merge Master nécessitent le téléchargement de quelques dizaines de Mo. En particulier, FIFA Mobile impose de télécharger plus de 160 Mo, ce qui correspond notamment à la mise à jour du contenu en fonction de l’actualité sportive. Ceci constitue une valeur ajoutée mise en avant par l’éditeur mais une mauvaise pratique du point de vue de la sobriété. Il faudrait dans un premier temps voir comment réduire techniquement la taille des informations nécessaires et, dans l’idéal, limiter la fréquence de rafraîchissement et l’exhaustivité des informations.  

Ces transferts de données conséquentes sont souvent corrélés avec des performances dégradées. Ainsi, pour Stumble Guys et FIFA Mobile, il faut parfois attendre 1 à 2 min pour que s’affiche l’écran qui permet de lancer le jeu. Pour la moitié des jeux, le simple lancement de l’application prend entre 10 et 20s, ce qui est particulièrement long. Pour Roblox, le chargement de l’écran titre (sélection des parties) est rapide, le chargement de contenu étant effectué après sélection de la partie (et généralement assez long). Le lancement le plus long est pour 8 Ball Pool mais, pour ce jeu, aucune donnée n’est transférée et l’impact sur la batterie est relativement faible (en particulier grâce à la faible quantité d’animations). Ce jeu est en définitive celui avec les meilleurs scores. Plus généralement, les scores obtenus sont les suivants :  

On constate que 8 Ball Pool est le jeu avec les meilleurs scores, notamment en raison de ce que l’on vient d’évoquer (peu d’animations, pas de données transférées). En cela, son fonctionnement au lancement se rapproche plutôt de ce que j’aurais tendance à rapprocher des jeux sur mobile “à l’ancienne” : des jeux hors-ligne et relativement simples (sans pour autant aller jusqu’à Snake et autres jeux similaires). A noter que, une fois l’on-boarding de 8 Ball Pool terminé, on revient sur un fonctionnement plus classique avec notamment du jeu en ligne par défaut, ce qui nécessiterait d’être mesuré par ailleurs.  

En comparaison, les autres jeux sont moins bien notés. Seuls Race Master 3D et Subway Surfers sortent un peu du lot. Il en ressort que les jeux étudiés ici ont des scores au mieux autour de la moyenne, à quelques rares exceptions près. Tout ceci peut indiquer des soucis d’efficience ou de sobriété mais est plus probablement à imputer à la nature même de ces applications : de l’animation, des échanges de données mais aussi souvent des mécanismes captologiques à foison. Nous y reviendrons plus tard. 

Pour ce qui est des impacts environnementaux, les calculs aboutissent aux résultats suivants :  

Les impacts élevés sont ici corrélés à des constats effectués précédemment, en particulier des chargements de données importants qui provoquent une dégradation de la performance et de l’impact sur la batterie du terminal. On retrouve donc pour les impacts les plus élevés FIFA Mobile (très loin devant les autres) mais aussi Stumble Guys et Merge Master. Sans surprise, 8 Ball Pool est là aussi le jeu le moins impactant.

Analyse 

Les mesures effectuées font ressortir certains choix de design qui viennent directement augmenter les impacts environnementaux.  

Comme nous l’avons évoqué précédemment, la longueur des parcours d’onboarding met souvent en évidence trois soucis corrélés : la récolte de données personnelles, la publicité et plus généralement les mécanismes captologiques. Pour rappel, ces derniers visent à faire passer à l’utilisateur le plus de temps possible sur l’application et se retrouvant dans quantité d’applications mais aussi de sites web. Entre autres, les Designers Ethiques s’intéressent beaucoup à cette question. Mais intéressons-nous plus en détail au cas des jeux étudiés ici.  

Le consentement RGPD, celui relatif aux publicités (et parfois la saisie de l’âge) ont pour but d’encadrer un minimum l’affichage, au cours du jeu, de publicités. Il s’agit là bien sûr d’une source de revenus pour les éditeurs de jeux. Celles-ci sont plus ou moins intrusives. Souvent, il est ainsi proposé au joueur de regarder une vidéo publicitaire pour débloquer des récompenses ou pouvoir continuer à jouer. Parfois, il est possible d’acheter le jeu afin de se débarrasser de ces publicités. Le niveau d’attention du joueur le rend plus sensible à ce type de suggestion. Ceci est lié aux mécanismes captologiques.  

Dans le domaine du design (et en particulier de conception des interfaces et interactions utilisateur), on parle depuis plusieurs années déjà de gamification. Il s’agit d’introduire des mécaniques issues des jeux afin de renforcer l’adhésion de l’utilisateur et rendant l’expérience plus ludique. Ceci n’est pas anodin dans la mesure où certains jeux sont très forts pour ce qui est de capter et faire revenir les joueurs. Mais aussi (en poussant la logique un peu plus loin) pour leur faire dépenser leur argent.  

Pour prendre l’exemple (parmi tant d’autres) de Candy Crush Saga, il serait facile de proposer ce jeu sous une forme limitée au jeu lui-même : enchaîner des niveaux plus ou moins difficiles avec pour objectif de faire disparaître des bonbons ou embûches. Les règles et obstacles sont simples et constituent le noyau du jeu en tant que tel. Ici, différents artifices viennent s’ajouter :  

• Des couleurs vives, effets visuels et sons pour venir augmenter l’impact des actions de l’utilisateur. On parle ici de feedback. 
• Des ressources limitées (vies, bonus, etc) pour créer le besoin et surtout le manque. Souvent, il est possible de compléter ces ressources en regardant des vidéos ou en dépensant de l’argent (virtuel ou non). 
• Des jauges (niveau ou autre), des trophées, des récompenses, des avatars et des scores pour chercher à faire toujours mieux et pouvoir se comparer avec les autres. Ce qui nous amène à un autre élément important de la gamification mais aussi de la captation de l’attention :  
• Le lien social : voir ce que font les autres, se comparer avec eux, leur permettre de voir ce qu’on fait. De même que pour les réseaux sociaux (et souvent via une connexion avec ceux-ci), cette mécanique pousse à jouer davantage voire mieux mais crée aussi de l’attachement au jeu via le lien avec d’autres joueurs. Ceci se fait via du jeu en ligne ou la création de connexions avec des réseaux sociaux (pour partager les résultats obtenus, trouver des joueurs, etc). 

• De l’aléatoire pour créer la dépendance (de façon analogue aux machines à sous). Corrélé aux ressources limitées, ce facteur se manifeste sous la forme de récompenses aléatoires, parfois sous la forme de loot boxes (https://medium.com/behavior-design/hooked-on-loot-boxes-how-design-gets-us-addicted-79c45faebc05 [EN]). Ceci devrait de plus en plus donner lieu à l’évolution du cadre légal à des fins de régulation : https://www.gamesindustry.biz/european-parliament-votes-to-take-action-against-loot-boxes-gaming-addiction-gold-farming-and-more [EN] 

Tout ceci contribue à la motivation du joueur, en particulier via un subtil équilibre de sa frustration à travers deux états que le joueur va (consciemment ou non) chercher à atteindre : 

• Le flow : état de concentration du joueur où les objectifs s’enchaînent de façon fluide. C’est typiquement la période où l’on ne voit pas le temps passer. C’est aussi, en conséquence, ce qui peut pousser le joueur à investir (du temps, des ressources virtuelles, de l’argent réel) pour maintenir cet état et ne pas être frustré. 
• Le fiero : état de satisfaction lié au fait d’avoir surmonté un obstacle particulièrement redoutable (dans du jeu vidéo non-mobile, il s’agit ici d’une des mécaniques de base de ce que l’on appelle parfois les Souls-like : des jeux mettant l’accent sur la maîtrise par les joueurs afin de proposer un challenge très élevé).  

La conception du jeu s’articule souvent autour de ces deux états, directement ou non (augmentation progressive de la difficulté, récompenses, etc). Ce subtil équilibre va être crucial pour la qualité d’un jeu et surtout de l’expérience de jeu mais aussi, pour les éditeurs, pour le temps passé sur le jeu et l’argent dépensé par les joueurs. Ce qui peut parfois amener à des impacts environnementaux plus élevés.  

Directement, en incitant les joueurs à passer le plus de temps possible sur le jeu et en s’appuyant sur du jeu en ligne et des liens avec les réseaux sociaux, en affichant de la publicité et en concevant des interfaces très denses en informations et effets visuels.  

Indirectement, en incitant à la consommation (dépenser de l’argent) mais aussi à la surconsommation (vouloir toujours plus et générer de la frustration). Ceci induit donc des comportements peu écoresponsables et à l’encontre d’une logique de sobriété.  

A noter que l’industrie du jeu vidéo prend de plus en plus conscience de ses impacts environnementaux.  

Polygon, notamment, s’était intéressé au sujet : https://www.polygon.com/features/22914488/video-games-climate-change-carbon-footprint [EN] 

Cette prise de conscience donne souvent lieu à des actions mais aussi à du greenwashing (exemple : https://www.ouest-france.fr/high-tech/jeux-video/ecologie-le-secteur-du-jeu-video-fait-il-du-greenwashing-355c56fc-0c3d-11ee-8e71-2cd44afe92ef?utm_source=pocket-newtab-bff).  

Pour autant, de plus en plus de ressources pertinentes apparaissent sur le sujet : https://playing4theplanet.org/resources [EN]. Certains fabricants s’intéressent à l’impact du matériel, tandis que des éditeurs cherchent à évaluer leurs impacts environnementaux. Le renouvellement régulier des machines et les cadences de sortie des jeux sont en soi problématiques. Le jeu en ligne et la dématérialisation n’arrangent pas nécessairement les choses. Voir à ce propos l’étude de l’ADEME (Agence de l’Environnement et de la Maîtrise de l’Énergie) sur la dématérialisation des services culturels. De façon similaire à ce que l’on peut observer par exemple pour les sites web, des optimisations sont possibles (efficience) mais l’enjeu est surtout celui de la sobriété (à l’inverse de la surenchère des jeux à monde ouvert). Des enjeux plus généraux sont également à prendre en compte :  

• En quoi le jeu vidéo peut encourager des comportements plus écoresponsables ; https://usbeketrica.com/fr/article/si-notre-smartphone-avait-une-conscience-est-ce-qu-on-le-remplacerait-aussi-facilement  
• Comment le jeu vidéo peut mettre en œuvre des systèmes qui n’incitent pas à la surenchère (logique d’accumulation, course à la puissance, etc) 
• Comment renforcer notre lien à la nature ? Comment introduire autre chose que des mécaniques de jeu basées sur l’accumulation voire la compétition ? Comment mettre en scène des futurs possibles (exemple : The Climate Trail [EN]) voire souhaitables ? 

Conclusion 

Les jeux mobiles font partie du quotidien de nombreuses personnes, ce qui rend l’étude de leurs impacts environnementaux d’autant plus essentielle (même si d’autres domaines du Numérique Responsable restent concernés comme l’économie de l’attention, l’accessibilité et la gestion des données personnelles). Même si des optimisations techniques restent à envisager, le nœud du problème réside dans leur conception et les comportements induits (avec entre autres le risque de créer de la dépendance voire de présenter des risques financiers pour les joueurs).  

Le jeu vidéo en général pourrait et devrait devenir un levier pour une prise de conscience des enjeux autour de l’écologie. De même que pour l’accessibilité, la démarche a été amorcée par certains et il sera intéressant de voir comment cela évolue face à l’urgence des enjeux.  

Avec l’émergence des applications de transport en France, la mobilité urbaine a connu une transformation significative au cours des dernières années. En effet, ces applications mobiles font partie des applications les plus téléchargées et les plus utilisées par les Français. Toutes les grandes villes ont une application éditée par les sociétés de transports urbains qui offre des solutions pratiques et flexibles pour se déplacer en ville. Cependant, derrière cette facilité d’utilisation et cette commodité se cache un aspect souvent négligé : l’impact environnemental de ces applications. 

Ces sociétés ont compris que le développement des applications mobiles permettait d’offrir des services aux voyageurs (horaires, info-trafic, carte des transports, intermodalités), mais aussi de réduire des coûts par la mise à disposition de service de vente et compostage de billet directement intégrés dans l’application de nos téléphones.

L’objectif de cette étude est de mesurer l’impact environnemental des applications de transport des 10 villes les plus peuplées en France selon le site Statista :

• Bonjour RATP pour la région parisienne
• RTM à Marseille
• TCL à Lyon
• Tisséo pour la ville de Toulouse
• Lignes d’azur à Nice
• TAN à Nantes
• TAM dans la ville de Montpellier
• CTS à Strasbourg
• TBM à Bordeaux
• Ilévia à Lille

Ces applications sont différentes en termes d’interface utilisateur, mais elles permettent toutes de répondre à un ensemble de besoins essentiels de l’utilisateur. Nous avons donc déterminé un parcours utilisateur commun, qui nous permet de comparer ces applications en termes d’impact carbone, de consommation d’énergie et de données échangées. Enfin, dans une deuxième partie, nous analyserons les causes des résultats obtenus.

Méthodologie

Définition du parcours utilisateur 

Pour la mesure, nous avons déterminé un scénario commun compatible pour toutes les applications, à savoir la recherche d’un itinéraire d’un point A à un point B (géolocalisation activée) comportant les étapes suivantes.

• Etape 1 : Lancement de l’application 
• Etape 2 : Accès à la page de recherche 
• Etape 3 : Saisie d’itinéraire 
• Etape 4 : Affichage des résultats 
• Etape 5 : Sélection d’un itinéraire 
• Etape 6 : Mise en arrière-plan de l’application (30 s)

Dans le cadre de cette étude, les données ont été mesurées le 19 juin 2023 à l’aide de  Greenspector Studio. Nous avons utilisé le langage GDSL (Greenspector Domain-Specific Language) pour rédiger des scripts de test, qui reproduisent automatiquement les actions à effectuer sur un téléphone.  Le module Testrunner nous a ensuite permis de réaliser les mesures sur un smartphone Android : nous avons ainsi obtenu les consommations d’énergie et de ressources (mémoire, CPU, données échangées) et les temps de réponse pour chacune des étapes du parcours. Enfin à partir de ces mesures, le modèle d’impacts intégré à Greenspector Studio évalue l’impact environnemental correspondant.

Hypothèses

Lors de cette évaluation, nous avons pris le parti d’étudier le comportement d’un utilisateur qui utilise régulièrement l’application et recherche donc son itinéraire avec moins de clics possibles. 

Contexte de mesure

• Samsung Galaxy S10, Android 10  
• Réseau : Wi-Fi  
• Luminosité : 50% 
• Tests réalisés sur au moins 3 itérations pour fiabiliser les résultats

Hypothèses retenues pour les projections environnementales

• Localisation des utilisateurs : 100% en France 
• Localisation des serveurs : 100% en France 
• Appareils utilisés : smartphones uniquement

L’empreinte environnementale dépend de la localisation des serveurs de l’application, de leur type, de la localisation des utilisateurs et du type d’appareils qu’ils utilisent.  Nous avons étudié l’usage des applications uniquement sur smartphone et sur les utilisateurs présents sur le sol français car leur usage est destiné uniquement à cette part de la population. Faute de meilleure information, les serveurs ont été considérés comme ayant un niveau de complexité moyen.

Résultats

Après avoir effectué une analyse détaillée, nous avons établi un tableau comparatif des résultats, mettant en évidence les applications les plus économes en émissions de GES et celles qui génèrent une empreinte environnementale plus importante.  

Les résultats suivants sont exprimés en g de CO₂ équivalent par parcours.

L’application la plus sobre

Ilévia de Lille et Tam de Montpellier sont les applications les moins impactantes selon nos résultats. Celles-ci ne consomment qu’un très faible volume d’énergie. Le fait que le parcours mesuré contienne une faible quantité d’images et d’animations explique notamment ce chiffre.

L’application la moins sobre

Bonjour RATP arrive en dernière position du classement sans grande surprise. En effet, l’application est très énergivore. Cette énorme consommation est notamment due à l’intégration des services tiers de géolocalisation et aux nombreux contenus multimédia (photos, icônes…). De plus l’application propose de nombreuses fonctionnalités dès l’écran d’accueil comme le scan des trottinettes.

L’application précharge de nombreux contenus. Même si l’utilisateur est hors connexion, il peut tout de même accéder à la carte interactive pour la recherche de station. C’est un point négatif pour l’application car ce pré chargement n’est pas une étape critique pour la suite du parcours. Il est non pertinent pour l’utilisateur de charger une carte allant au delà des frontières parisiennes.

Projection pour 10 000 utilisateurs réguliers

La plupart des applications comptent entre 100 000 et 500 000 téléchargements sur le Playstore. Prenons pour chaque ville 10 000 utilisateurs réguliers utilisant l’application tous les jours pour faire un trajet aller-retour : cela équivaut à 600 000 visites mensuelles.

Le tableau reprend l’impact carbone d’une visite unitaire en g CO₂e et présente la projection d’une utilisation 2 fois par jour à l’échelle de 10 000 utilisateurs en kg CO₂e. Enfin la projection est faite sur une durée d’un an avec la même unité.

Pour les applications les moins impactantes telles que TAM ou CTS, une telle utilisation à l’année représente 8,03 tonnes de CO₂e. Cela équivaut à plus de 36 903 km en véhicule léger parcourus d’après le site Impact CO2 de l’Ademe.

Pour la RATP, qui est de loin la plus impactante, son impact représente plus du double, soit à l’année 17,5 tonnes de CO₂e. Cette valeur équivaut à plus de 80 000 km en véhicule léger.

D’après le Bilan annuel des transports en 2019 du ministère de la transition écologique, une voiture immatriculée en France métropolitaine a roulé en moyenne 12 200 km dans l’année. L’impact d’une application de transport sobre utilisée par 10 000 personnes 2 fois par jour représente les émissions annuelles de plus de 2 véhicules légers tandis que l’impact de la RATP représente les émissions annuelles d’environ 7 véhicules !

Projection sur un an de l’impact

Selon le site de Groupe RATP, l’application Bonjour RATP est visitée par 2,5 millions de visiteurs uniques mensuels et génère plus de 20 millions de visites mensuelles. Si on hypothétise que chaque visite comprend au moins une recherche d’itinéraire, on peut obtenir l’impact carbone mensuel de l’application.

Celui-ci représente 48 t CO₂e par mois autrement dit plus de 220 000 km en voiture.

Mais à quoi sont dus ces impacts ?

Dans cette deuxième partie, nous analysons d’où peuvent venir ces valeurs d’impact environnemental. Au travers de la consommation d’énergie ainsi que des données échangées sur le réseau pendant le parcours de l’utilisateur, les applications sont de nouveau classées en fonction de leur consommation énergétique.

Le graphique ci-dessus met en comparaison les différentes étapes (hormis quelques pauses) mises bout à bout de chaque parcours mesuré en termes d’énergie consommée.  

On remarque que les étapes de pauses au premier plan sont en général consommatrices, c’est à dire que l’utilisateur est présent sur l’écran d’accueil de l’application mais sans effectuer une seule action. Cela peut s’expliquer par le fait que le lancement n’est pas assez long pour générer tout le contenu et donc que même en étant inactive après avoir été lancée elle continue de générer du contenu comme les petites icones de station de bus par exemple. Il se peut également que la localisation de l’utilisateur soit recherchée en permanence comme en témoigne l’activité sur l’étape de pause de mise en arrière-plan. 

On note aussi que les applications en arrière-plan consomment quasiment la même quantité d’énergie dans toutes les mesures. 

L’étape la plus consommatrice est la saisie de départ et d’arrivée de l’itinéraire de l’utilisateur à cause de la recherche et du chargement des itinéraires saisie pour la section. En effet, sur plusieurs applications de transport, il est nécessaire de réaliser plusieurs actions, voire de charger de nouvelles pages pour chaque étape de saisie or sur d’autres applications la saisie est directement accessible depuis la page d’accueil. Par exemple, CTS et Ilévia. 

Une disparité de consommation est également observée lors de l’étape de sélection d’itinéraire dans les applications. Certaines applications, telles que Tisseo, proposent directement l’unique itinéraire disponible dans les prochaines minutes. 

De plus, la RATP affiche une étape d’accès à la page d’itinéraire beaucoup plus consommatrice que les autres. Certaines applications qui affichent une consommation nulle à cette étape n’ont simplement pas de chargement de nouvelle page car cette fonctionnalité est présente sur la page d’accueil, le parcours de l’utilisateur est optimisé en réduisant les actions réduisant ainsi sa consommation énergétique. C’est le cas de Tisséo qui n’a pas de page de résultats pour afficher les différents trajets. En effet, l’application propose directement le trajet le plus court comme vu sur la capture d’écran ci-dessous.

Une observation notable concerne l’étape de saisie d’itinéraire, où Ratp se distingue par une consommation d’énergie plus élevée, étant 5,8 fois plus énergivore que la TCL. Cette consommation excessive pourrait être attribuée aux trackers et aux services tiers intégrés.

Enfin on note sur l’application Azur de Nice et TBM de Montpelier que son étape d’affichage de l’itinéraire choisi consomme davantage que les autres. Cela peut venir de la carte générée pour cet affichage qui n’est pas compressée ou qui charge au-delà de ce qui est nécessaire c’est à dire au-delà des limites du réseau de transport de la ville.

En ce qui concerne les données échangées, les parcours les moins sobres sont ceux des applications CTS, Tisseo et TAM . La TAM échange 2,4 Mo, soit deux fois plus que la moyenne établie pour toutes les applications. Les bons élèves en termes de données échangées sont Azur, Ilévia, TCL, RTM et TBM qui consomment moins de 0,5 Mo. 

Selon Green IT, la taille moyenne d’un e-mail est de 81 Ko. Ainsi, une recherche d’itinéraire en moyenne équivaut à l’échange de 12 e-mails.

D’après notre outil, lors de l’étape de lancement de la plupart des applications, un échange important de données se produit afin de garantir une expérience utilisateur fluide et réactive. Cependant, certaines applications, comme la TAN, ont choisi d’adopter une approche de chargement progressif des données. Cela signifie que seules les informations essentielles sont récupérées initialement, tandis que d’autres données sont chargées au fur et à mesure de l’utilisation de l’application. 

Comme évoqué plus tôt, l’application RATP charge beaucoup de contenu à son lancement comme la TAM. On le visualise quand on lance l’application hors connexion, la carte est par exemple déjà chargée avec les stations et arrêts de métro et bus.

Tous ces services tiers sont-ils nécessaires ?

L’intégration des services tiers dépendra des avantages spécifiques qu’ils apportent, de la pertinence pour les utilisateurs finaux et de l’impact global sur les performances et la complexité technique de l’application. Il est recommandé de mener des tests, de surveiller les performances et de solliciter les commentaires des utilisateurs pour évaluer l’efficacité des services tiers et prendre des décisions éclairées.

Bilan

L’étude de l’impact environnemental des applications de transport dans les 10 plus grandes villes de France révèle des résultats contrastés. Certaines applications, telles que RATP, TBM et Azur, ont des parcours moins sobres, consomment plus d’énergie , ce qui peut avoir un impact négatif sur l’environnement. En revanche, des applications telles que Azur, Ilévia et TAM se démarquent en consommant moins de données et d’énergie. 

Il est essentiel que les concepteuret les product owners d’applications de transport prennent conscience de l’impact de leurs solutions sur l’environnement et cherchent des moyens de réduire leur empreinte écologique. L’adoption de bonnes pratiques en matière de sobriété numérique, de réduction des émissions de carbone peut contribuer à atténuer l’impact environnemental de ces applications.

Sources  

https://www.statistiques.developpement-durable.gouv.fr/sites/default/files/2020-12/datalab_78_comptes_transports_2019_circulation_novembre2020.pdf

https://impactco2.fr/convertisseur

GreenIT

Depuis la création de la fonctionnalité de géolocalisation pour les smartphones, les applications de rencontre ont connu une grande popularité. Aujourd’hui, on en recense plus de 8000 dans le monde, dont 2000 en France. Près d’un tiers des français utilisent ou ont déjà utilisé une application de rencontre. Les utilisateurs passeraient 55 minutes par jour dessus. 

Au regard de ces chiffres, nous pouvons nous interroger quant à l’impact de ces applications sur l’environnement. 

Les applications de rencontre que nous avons choisi de mesurer

Trois critères ont compté pour choisir les 10 applications évaluées : la popularité, la gratuité et la disponibilité sur Android. En effet, nous avons choisi d’évaluer des applications dont l’utilisation est gratuite car elles figurent parmi les plus utilisées. Moins de 3% des français ont recours à des applications payantes. 

Au sujet de l’évaluation, nous avons déterminé un scénario commun compatible pour toutes les applications, à savoir la consultation de profils, aimer ou non le profil et envoyer un message. Cela permet de se rapprocher le plus possible d’un usage réel de l’application.

Etape 1 : Lancement de l’application 

Etape 2 : Disliker un profil (en swipant ou cliquant sur “rejeter”) 

Etape 3 : Liker un profil (ou envoyer une tap, en swipant ou cliquant sur “aimer”)

Etape 4 : Consulter les détails d’un profil (en scrollant) 

Etape 5 : Liker le profil (ou envoyer une tap, en swipant ou cliquant sur “aimer”) 

Etape 6 : Consulter la dernière conversation 

Etape 7 : Envoyer un message dans cette conversation 

Classement de l’empreinte environnementale des 10 applications de rencontre gratuites les plus utilisées en France

Les 3 applications les plus impactantes : Lovoo, Grindr et OkCupid.

Les 3 applications les moins impactantes : Bumble, Tinder et Happn.

Nous constatons que l’application la plus impactante (Lovoo) a un impact 5 fois supérieur à celui de l’application la moins impactante (Bumble). 

La moyenne de l’impact carbone de ces applications est de 0,25 gEqCO₂ pour une durée moyenne de 25 secondes. C’est équivalent à parcourir 1 mètre en voiture à moteur thermique. 

Projection des impacts carbone sur un mois

Pour projeter l’impact des applications de ce classement, nous allons utiliser les hypothèses suivantes :

• 100 % des utilisateurs sont en France 
• 100 % des utilisateurs sont sur mobile

Différentes études révèlent qu’un tiers de la population française (23 millions d’individus) a utilisé les applications de rencontre en 2022 avec une moyenne de 55 minutes passées dessus. 

Projeté sur un mois, l’impact de ces 10 applications de rencontre est de 9614 tonnes EqCO₂. C’est équivalent à parcourir 1102 fois la circonférence de la Terre en voiture à moteur thermique. 

Pour l’application la mieux classée (Bumble), pour une durée moyenne de 55 minutes par jour pendant un mois, un utilisateur a un impact de 579 gEqCO₂. Cela correspond à parcourir 2,7 kilomètres en voiture à moteur thermique. 

Pour l’application la moins bien classée (Lovoo), pour une durée moyenne de 55 minutes par jour pendant un mois, un utilisateur a un impact de 2,7 kgEqCO₂. Cela correspond à parcourir 12,4 kilomètres en voiture à moteur thermique. 

Le focus de nos experts Greenspector sur l’application la plus sobre : Bumble

L’application Bumble tient sa sobriété particulièrement des phases de lancement et d’ouverture de la page des messages. Pendant ces phases, peu de données sont chargées et il n’y a pas de surconsommations énergétiques majeures. 

Sur la page où s’affichent les profils, seul 4 environ sont préchargés. Les animations sont également limitées pendant les actions sur l’application et un chargement différé des photos a été implémenté pour celles qu’on ne voit pas à l’écran. 

Le focus de nos experts Greenspector sur l’application la moins sobre : Lovoo

L’application Lovoo se retrouve en bas du classement avec un impact bien plus élevé que ses concurrents. Bien que la performance soit excellente à l’exception de l’ouverture de l’application qui est plutôt longue, la consommation en termes d’énergie et de données est très élevée. L’intégration de la publicité omniprésente avec des carrousels ou des vidéos contribue grandement à ces surconsommations. 

L’ouverture de la page pour swiper charge en moyenne 1,9 Mo de données. De nombreux profils sont préchargés pour être affiché avec fluidité après chaque swipe par rapport aux applications concurrentes. Plus de 20 profils sont préchargés contre 4 environ sur les autres applications. 

Bilan

Entre l’application de rencontre la plus sobre et l’application la moins sobre, nous retenons que l’impact est 5 fois plus important. 

Notons que les différences sont pour la plupart dues aux animations, aux chargements conséquents de données (photos, vidéos…) et à la gestion des éléments affichés à l’écran. En appliquant de bonnes pratiques, il est possible de réduire l’impact environnemental des applications. 

En tant qu’utilisateur, il est possible de réduire son impact en n’utilisant qu’une seule application de rencontre si nous en avons plusieurs. 

Et pour aller plus loin dans la sobriété numérique, il est toujours possible de faire des rencontres dans la vie réelle !

Tableau des résultats

L’usage des applications mobiles de type réseau social augmente tous les ans. Tout comme l’usage professionnel des outils de visioconférence, ces usages ont apporté une pression supplémentaire sur le réseau et sur les serveurs de ces solutions.

Comment les acteurs prennent en compte l’impact environnemental dans leur stratégie ? Quels sont les impacts de nos activités sur les réseaux sociaux ? Quelles sont les solutions les plus/moins impactantes pour l’environnement, l’encombrement des réseaux et l’autonomie de nos smartphones ?

Pour cette étude, nous avons choisi de mesurer le fil d’actualité des 10 applications réseaux sociaux les plus populaires : Facebook, Instagram, LinkedIn, Pinterest, Reddit, Snapchat, TikTok, Twitch, Twitter et Youtube. Bien que ces applications soient différentes en termes de fonctionnalités, nous avons choisi de les comparer en termes d’impact carbone, de consommation d’énergie et de données échangées.

Pour chacune de ses applications, mesurées sur un smartphone S7 (Android 8), le scénario du défilement du fil d’actualité a été réalisé au travers de notre Greenspector Test Runner, permettant la réalisation de tests manuels sur une durée de 1 minute en one-to-one. En savoir plus sur la méthodologie et comment Greenspector évalue l’empreinte environnementale d’un service numérique.

Classement projeté en impact carbone des fils d’actualité des applications de réseaux sociaux (g EqCO2)

Application	Impact carbone du fil d’actualités / min	Position 2021	Évolution 2020	Ressource en Eau	Occupation des sols
Youtube	0,46 gEqCO2/min	1	=	0,08 Litres	0,92 m²
Twitch	0,55 gEqCO2/min	2	+3	0,09 Litres	1,01 m²
Twitter	0,60 gEqCO2/min	3	+1	0,10 Litres	1,14 m²
LinkedIn	0,71 gEqCO2/min	4	-1	0,10 Litres	1,00 m²
Facebook	0,79 gEqCO2/min	5	-3	0,12 Litres	1,38 m²
Snapchat	0,87 gEqCO2/min	6	+1	0,12 Litres	1,29 m²
Instagram	1,05 gEqCO2/min	7	-1	0,12 Litres	1,03 m²
Pinterest	1,30 gEqCO2/min	8	=	0,15 Litres	1,25 m²
Reddit	2,48 gEqCO2/min	9	=	0,23 Litres	1,35 m²
TikTok	2,63 gEqCO2/min	10	=	0,27 Litres	1,88 m²

Selon le Global Web Index Juillet 2021, nous passons en moyenne 2 heures et 24 minutes sur les réseaux sociaux soit +2 minutes par rapport à 2019. Si on projette la moyenne des impacts carbone des 10 applications mesurées (1,15 gEqCO2) sur 60 secondes au temps moyen passé par utilisateur, on obtient pour un utilisateur / jour : 165,6 gEqCO2. Soit l’équivalent de 1,4 km effectués en véhicule léger. Cela correspond également à 60 kgEqCO2 par utilisateur par an, soit l’équivalent de 535 km effectués en véhicule léger moyen en France. Ce qui équivaut à 1% de l’impact carbone d’un(e) français(e) (7 Tonnes).

En mai 2021, le nombre d’utilisateurs actifs des réseaux sociaux s’élève à 4,33 milliards (55,1% de la population mondiale) soit +35% par rapport à 2019. 99% accèdent aux réseaux sociaux via un appareil mobile. 80% du temps passé (2 heures et 24 minutes) sur les réseaux sociaux se fait via un appareil mobile. Si l’on projette notre impact carbone / utilisateur à ces données, nous obtenons : 262 millions Tonnes EqCO2 par an pour les 4,33 milliards d’utilisateurs sur mobile soit l’équivalent de 0,61% des impacts EqCO2 dans le monde en 2019 et plus de la moitié des émissions Carbone de la France (56%).

Consommation d’énergie des fils d’actualité des applications de réseaux sociaux (mAh)

Application	Consommation d’énergie fil d’actualité / min	Position 2021	Évolution 2020
Youtube	8,58 mAh	1	=
Instagram	8,9 mAh	2	+5
LinkedIn	8,92 mAh	3	-1
Twitch	9,05 mAh	4	-1
Twitter	10,28 mAh	5	+1
Pinterest	10,83 mAh	6	+2
Reddit	11,04 mAh	7	-4
Snapchat	11,48 mAh	8	+2
Facebook	12,36 mAh	9	-5
TikTok	15,81 mAh	10	-1

En termes de consommation d’énergie, les mauvais élèves sont les fils d’actualités des applications Snapchat, Facebook et TikTok. Les bons élèves côté énergie, sont Youtube, Instagram et LinkedIn. Le fil d’actualité TikTok consomme ici 1,8 fois plus d’énergie que celui de Youtube.

La moyenne établie pour la consommation d’énergie est de 10,73 mAh soit +1,2% par rapport à notre classement 2020.

Données échangées des fils d’actualité des applications de réseaux sociaux (Mo)

Application	Données échangées fil d’actualité / min	Position 2021	Évolution 2020
Youtube	3,09 Mo	1	=
Twitter	6,28 Mo	2	+2
Twitch	6,87 Mo	3	+2
Facebook	11,15 Mo	4	-2
LinkedIn	15,34 Mo	5	-2
Snapchat	17,26 Mo	6	+1
Instagram	32,46 Mo	7	-1
Pinterest	40,65 Mo	8	=
TikTok	96,23 Mo	9	+1
Reddit	100 Mo	10	-1

En termes de données échangées, les mauvais élèves sont les fils d’actualités des applications Reddit, TikTok et Pinterest. Les bons élèves côté données échangées, sont Youtube, Twitter et Twitch. Reddit consomme 32 fois plus de données que l’application Youtube.

La moyenne établie pour les donnés échangées est de 32,93 Mo pour cet usage soit 71% plus par rapport à l’édition 2020. Seules 3 applications se situent au-dessus de ce seuil. Attention à vos forfaits data ! Projection en 1 mois, vous aurez consommé 142 Go !

En prenant compte les réels temps moyens passés par réseau social selon le blog de Visionary Marketing : si vous utilisez uniquement Tik Tok en réseau social (à hauteur de 52 minutes par jour projeté), vous consommerez près de 149 Go par mois, tandis qu’Instagram (à hauteur de 53 minutes par jour) vous fera consommer 51 Go ! Vous êtes plutôt branché Facebook ? Celui-ci vous fera consommer près de 19 Go (à hauteur de 58 minutes par jour) par mois.

Vous souhaitez mesurer votre application mobile ou site web ? Vérifier son impact environnemental ?

Nous vous proposons de consulter l’édition de 2022. Disponible ici.

Pour cette nouvelle édition 2021 de notre classement, nous avons complété notre étude de 2020 avec de nouvelles solutions et même élargi à des solutions web voire même à une solution dont l’objectif principal n’est pas de faire de la visioconférence mais qui intègre cette fonctionnalité. L’objectif de ces mesures est de voir comment les solutions se situent en termes d’impact environnemental (Carbone) les unes par rapport aux autres sur des scénarios utilisateurs courants mais aussi de donner des repères sur nos usages de la visioconférence.

Nous avons donc comparé cette fois-ci 19 applications mobile : Big Blue Button, BlueJeans, Circuit by Unify, Cisco Webex Meetings, ClickMeeting, Go To Meeting, Discord, Google Meet, Infomaniak kMeet, Jitsi, Pexip, Rainbow, Skype, StarLeaf, Microsoft Teams, Tixeo, WhereBy, Zoho Meeting et Zoom.

Pour chacune de ses applications, mesurées sur un smartphone S7 (Android 8), les trois scénarios suivants ont été réalisés au travers de notre Greenspector Test Runner, permettant la réalisation de tests manuels sur une durée de 1 minute en one-to-one :

• Conférence audio uniquement
• Conférence audio et vidéo (caméra activée de chaque côté)
• Conférence audio et partage d’écran

En savoir plus sur la méthodologie.

Classement projeté en impact carbone des applications de visioconférence (gEqCO2)

Voici les moyennes d’impact pour les trois scénarios :

En moyenne, une minute de visioconférence en audio impacte 61% moins (ou 2,6 fois moins) qu’avec les caméras activées et 5% de moins qu’en partageant un écran. D’après notre récente étude sur l’impact du streaming d’une vidéo MyCanal, en moyenne, une heure de streaming vidéo correspond à un impact de 14g eqCO₂. Soit 0,233g eqCO₂ par minute, soit 1,7 moins impactant qu’une minute de visioconférence en audio et caméra mais 1,5 fois plus qu’une minute de visioconférence en audio uniquement.

Le Top 3 d’une minute de visioconférence en moyenne : Google Meet (0,164 gEqCO₂), Tixeo (0,166 gEqCO₂) et Microsoft Teams (0,167 gEqCO₂). Google Meet premier de ce classement côté impact carbone impacte 2,5 fois moins que, Discord, le dernier de ce classement. La moyenne de ce classement est de 0,237 gEqCO₂, seulement 7 solutions se trouvent au-dessus.

La principale partie des impacts Carbone se situent sur la partie device utilisateur (72%), suivie par la partie Réseau (16%) et enfin la partie Serveur (12%).

Voici les trois applications les moins impactantes en termes de Carbone suivant le scénario :

Audio (Top 3)	Audio + caméra (Top 3)	Audio + partage d’écran (Top 3)
Microsoft Teams	Big Blue Buttons (via Chrome)	Microsoft Teams
Google Meet	Click Meeting	Go To Meeting
Infomaniak Meet	Google Meet	Tixeo

Consommation d’énergie des applications de visioconférence (mAh)

Voici les moyennes de consommation d’énergie pour les trois scénarios :

Scénario / Année	1 mn de visioconférence en audio	1 mn de visioconférence en audio + caméra	1 mn de visioconférence en audio + partage d’écran
2021	9,84 mAh	16,26 mAh	9,98 mAh
2020	6,6 mAh	14,24 mAh	7,50 mAh

En moyenne, une minute de visioconférence en audio consomme 39% moins (ou 1,6 fois moins) d’énergie qu’avec les caméras activées et 1.5% de moins qu’en partageant un écran.

Le Top 3 (tous scénarios confondus) en consommation d’énergie : Microsoft Teams (27,27 mAh), Go To Meeting (28,79 mAh) et Google Meet (30,11 mAh). Microsoft Teams premier de ce classement côté consommation d’énergie consomme 2 fois moins que le dernier de ce classement : Discord.

Voici les trois applications les moins énergivores suivant le scénario :

Audio (Top 3)	Audio + caméra (Top 3)	Audio + partage d’écran (Top 3)
Microsoft Teams	Zoho Meeting	Microsoft Teams
Tixeo	Zoom	Tixeo
Infomaniak kMeet	StarLeaf	Go To Meeting

Données échangées des applications de visioconférence (Mo)

Voici les moyennes des données échangées pour les trois scénarios :

Scénario / Année	1 mn de visioconférence en audio	1 mn de visioconférence en audio + caméra	1 mn de visioconférence en audio + partage d’écran
2021	1,15 Mo	16,01 Mo	1,87 Mo
2020	0,806 Mo	8,44 Mo	1,43 Mo

C’est sur la consommation de données que les écarts se creusent entre les outils et les usages.

En moyenne, une minute de visioconférence en audio consomme 92% moins (ou 14 fois moins) de données échangées qu’avec les caméras activées et 38% de moins qu’en partageant un écran.

Le Top 3 (tous scénarios confondus) en consommation d’énergie : Big Blue Buttons (4,49 Mo), Tixeo (6,21 Mo) et Google Meet (6,30 Mo). Big Blue Buttons (via Chrome) premier de ce classement côté données échangées en consomme 10 fois moins que le dernier de ce classement : Discord.

Voici les trois applications les moins consommatrices de données suivant le scénario :

Audio (Top 3)	Audio + caméra (Top 3)	Audio + partage d’écran (Top 3)
Cisco Webex Meetings	Big Blue Buttons	Cisco Webex Meetings
Blue Jeans	Tixeo	Infomaniak kMeet
Google Meet	Google Meet	Google Meet

Netflix, ainsi que d’autres acteurs comme la BBC, a étudié avec l’appui de l’Université de Bristol : l’impact de son service. Les chiffres précis et la méthodologie seront publiés prochainement mais il en ressort qu’une heure de visualisation de Netflix, est équivalent à 100 gEqCO2.

À la sortie de cette communication, plusieurs acteurs du numérique ont repris ce chiffre, mais, à mon avis, pas pour de bonnes raisons. La communication de l’impact de la vidéo par le Shift Project ressort comme un point systématique de débat. En mars 2020, la publication du Shift avait été largement diffusée dans les médias avec une erreur importante d’évaluation. Cette erreur avait été corrigée en Juin 2020 mais le mal était fait.

L’IEA avait dans ce cadre réalisé une analyse contradictoire sur le sujet. Au final, de nombreuses études sur l’impact de la vidéo sont sorties (IEA, le ministère Allemand de l’environnement, nous même avec notre étude sur l’impact de la lecture d’une vidéo Canal+). Il est toujours difficile mais pas impossible de comparer les chiffres (par exemple, la prise en compte ou non de l’étape de fabrication, la représentativité des terminaux, les différentes infrastructures et optimisations entre acteurs…), cependant, si on prend des choses comparables, toutes les études ont des ordres de grandeur proches. En prenant la correction de l’erreur du Shift Project (Ratio 8 issus d’une erreur entre Byte et Bit), les chiffres sont aussi proches.

Le navigateur internet est l’outil primordial sur un appareil mobile. Il est le moteur pour naviguer sur internet. Plus uniquement pour les sites web mais aussi maintenant pour les nouveaux types d’applications basées sur les technologies web (progressive web app, jeux…).

Pour cette nouvelle édition de notre classement, réalisé en 2018 et en 2020, nous avons choisi de comparer 16 applications mobiles : Brave, DuckDuckGo, Chrome, Ecosia, Edge, Firefox, Firefox Focus, Firefox Nightly (anciennement Preview), Kiwi, Mint, Opera, Opera Mini, Qwant, Samsung, Vivaldi et Yandex.

L’objectif de ces mesures est de voir comment les solutions se situent en termes d’impact environnemental (émission Carbone) les unes par rapport aux autres sur des scénarios utilisateurs courants mais aussi de donner des repères sur nos usages des navigateurs.

Pour chacune de ces applications mesurées sur un smartphone Galaxy S7 (Android 8), les scénarios intégrant le lancement du navigateur, la navigation sur 7 sites web différents, les périodes d’inactivité etc. ont été réalisés au travers de notre Greenspector Test Runner, permettant la réalisation de tests automatisés.

En savoir plus sur la méthodologie

Consommation d’énergie tous parcours confondus (en mAh)

La moyenne de consommation d’énergie est de 49 mAh (pour rappel, la moyenne du classement 2020 était de 47mAh, soit +4,2% en 2021).

Voici l’évolution par rapport à l’année dernière.

	Classement 2021	Classement 2020	Évolution
Firefox Focus	1	10	9
Vivaldi	2	4	2
DuckDuckGo	3	5	2
Firefox Nighly	4	10	6
Yandex	5	3	-2
Kiwi	6	8	2
Opéra	7	2	-5
Brave	8	7	-1
Ecosia	9	1	-8
Chrome	10	6	-4
Samsung	11	9	-2
Firefox	12	13	1
Edge	13	11	-2
Qwant	14	13	-1
Opera Mini	15	14	-1
Mint	16	12	-4

Firefox Focus et la meilleure solution en termes de consommation énergétique de notre comparatif. La version évaluée en 2020 était une des premières versions et il semble que les équipes Firefox ont travaillé sur l’optimisation de la consommation d’énergie de leur navigateur depuis. Ecosia perd sa place de leader sur cet indicateur et se retrouve en milieu de classement. Du côté des navigateurs les plus énergivores on retrouve Mint et Opera Mini. À noter que les navigateurs les plus répandus : Edge, Firefox, Chrome et Samsung, sont assez mal classés.

Cette consommation totale d’énergie peut être évaluée et analysée en 2 domaines : la consommation d’énergie de la navigation pure et la consommation d’énergie liée aux fonctionnalités du navigateur. 

Consommation d’énergie de la navigation (en mAh)

La navigation est la consommation uniquement associée à la visualisation de la page (pas de prise en compte du lancement du navigateur, des fonctionnalités…).

La plupart des navigateurs ont une consommation d’énergie sur la navigation “pure” qui est assez proche. Ceci s’explique principalement sur l’usage des moteurs de visualisation. La plupart des navigateurs utilisent le moteur de visualisation Chromium.

Par rapport au classement 2020, il semble que le moteur Firefox se soit amélioré. Qwant, utilisant ce moteur aussi.

Consommation d’énergie des fonctionnalités (en mAh)

Les fonctionnalités intègrent les états du navigateur comme les périodes d’inactivités (idle), le lancement du navigateur, l’écriture des URLs dans la barre de navigation.

En gardant le même classement que pour l’énergie totale, on voit que les fonctionnalités hors navigation (écriture d’URL, inactivité du navigateur…) ont un impact non négligeable sur la consommation totale.

Autonomie (heures)

L’autonomie est le nombre d’heures pendant lesquelles l’utilisateur peut surfer avant que la batterie ne soit complètement déchargée. Le classement ne change pas par rapport à celui de l’énergie, l’autonomie étant directement liée à l’énergie.

On observe que l’autonomie peut doubler de 5h à 10h entre le navigateur le plus consommateur (Mint) et le moins consommateur (Firefox Focus).

Données (Volume de données échangées) (Mo)

Certaines applications ne gèrent pas du tout le cache pour des raisons de protection et de confidentialité des données, utilisent des proxy qui optimisent les données, ont une différence d’implémentation de la gestion du cache. De plus, si un navigateur est performant, la contrepartie est que beaucoup plus de données sont potentiellement chargées en arrière-plan. Dans notre méthodologie, on le constate pour le site New York Times plus volumineux en termes de données.

Voici un exemple des itérations de mesure sur le site Amazon (Amazon.com) qui montre la différence de traitement des données entre différents navigateurs.

Mémoire consommée (RAM) par le processus navigateur (Mo)

La consommation de mémoire est importante à prendre en compte dans un service numérique car même la variation de la consommation de mémoire n’influe pas sur l’impact énergétique, elle reste très importante à intégrer car des effets de surconsommations sur des smartphones déjà bien encombrés en mémoire, ou plus anciens, moins puissants, cela peut créer des instabilités ou des applications qui ne peuvent pas fonctionner simultanément car en concurrence. En terme écologique, cela peut bien sûr procurer un changement de smartphone prématuré côté utilisateur pour un modèle plus puissant pour satisfaire à un bon confort d’usage.

La variation va de 400 Mo à 1,8Go (soit environ la moitié de la RAM du Samsung Galaxy S7).

Observons plus précisément le comportement de la mémoire suite à la séquence :

1. Lancement navigateur
2. Inactivité Navigateur
3. Navigation (Moyenne de la consommation mémoire)
4. Inactivité suite à la navigation
5. Système après fermeture navigateur

Au lancement des navigateurs, on a une médiane d’utilisation de la mémoire de 413Mo. Edge consomme beaucoup plus avec 834Mo.

Si on laisse le navigateur inactif, la consommation mémoire de la plupart des navigateurs reste assez stable. Ce qui est plutôt bon et normal. Par contre, on voit que Edge et Ecosia ont une forte augmentation de la mémoire.

Ensuite, avec la navigation, la mémoire consommée augmente de façon importante. Cela s’explique par la consommation des moteurs de navigation pour analyser et stocker les éléments. La gestion des onglets va aussi jouer. Si le navigateur déleste la mémoire pour les onglets non actifs, alors la consommation sera plus faible.

On peut noter que Firefox Focus, Mint, Duck Duck go, Opéra Mini et Qwant consomment globalement peu de mémoire.

À la fermeture du navigateur, presque tous les onglets ne sont plus en mémoire. Firefox reste cependant avec 1Go ainsi que Chrome et Mint avec 100Mo environ. Probablement un bug mais qui est gênant car des éléments occupent encore la mémoire et des traitements peuvent aussi exister : les traitements sont confirmés sur Firefox et Mint avec le taux de CPU consommé par le processus du navigateur qui reste élevé.

On peut aussi regarder l’impact mémoire de la consultation de Wikipédia (La consommation de base du navigateur est ici soustraite).

On comprend bien la différence de gestion mémoire entre navigateurs et la potentielle entropie sur des sites plus lourds.

Performance

Nous avons mesuré le temps d’écriture de l’URL dans la barre d’adresse.

Cette différence de performance s’explique par plusieurs facteurs : échanges réseau lors de la saisie (auto-complétions), traitement lors de la saisie, recherche en base des adresses connues… Au final, pour l’utilisateur le temps pour avoir accès au site va être plus ou moins long. Exemple sur l’entrée de l’url Wikipédia sur Duck Duck Go: beaucoup d’échanges réseau et de traitements CPU (pic à 22% de CPU).

Contrairement à Edge plus rapide qui a des traitements plus faible en terme de CPU.

Au passage, on pourrait avoir une optimisation de tous les navigateurs en limitant ses traitements (par exemple en regroupant et espaçant les traitements).

Impact environnemental

L’impact environnemental est calculé en fonction des facteurs d’émission Greenspector prenant en compte l’énergie consommée et l’usure de la batterie (impact sur la fabrication). L’impact du réseau et du data center est pris en compte avec l’intensité internet.

Cet impact est ramené à la consultation d’une page.

Firefox Focus par sa faible consommation est premier. Samsung qui a une consommation d’énergie dans la moyenne est à la deuxième place grâce à bonne gestion des données.

Les navigateurs les plus impactants (Esosia, Edge, Mint et Opera Mini) ont une consommation d’énergie élevée et une mauvaise gestion des données.