Gamer in front of computer screen

Comment les joueurs donnent un aperçu de la santé sur Internet

Picture of Catalina Alvarez
Guest Author | EPFL, Lausanne
Catégories:
Twitter logo
LinkedIn logo
Facebook logo
December 12, 2023

Le suivi de la latence de l’internet est un problème de mesure classique. Les plateformes de mesure ouvertes, telles que RIPE Atlas, offrent des dispositifs géographiquement distribués et accessibles au public, à partir desquels chacun peut mener des campagnes de mesure actives et même laisser des données ouvertes. Mais elles sont également confrontées à des défis importants ; par exemple, elles nécessitent la distribution et la maintenance de dispositifs de mesure sur l’ensemble de l’internet.

Nous voyons une opportunité de compléter les plateformes de mesure ouvertes avec une source de données non conventionnelle : les séquences de jeux. Les jeux sont très sensibles à la latence – le fait qu’une recherche sur “comment réduire le ping/lag” donne des centaines de milliers de résultats est une indication suffisante. C’est pourquoi de nombreux jeux vidéo affichent à l’écran le temps de latence entre le joueur et le serveur du jeu (figure 1).

Capture d'écran d'un jeu montrant la latence dans le coin supérieur droit.
Figure 1 – En raison de l’intérêt des joueurs, de nombreux jeux vidéo en ligne affichent à l’écran le temps de latence entre le joueur et le serveur.

Cet affichage de la latence dans le jeu offre une combinaison unique de caractéristiques : Il capture les temps de latence subis quotidiennement par les utilisateurs et peut être obtenu sans capture intrusive du trafic et sans introduire de trafic supplémentaire (de mesure) dans le réseau.

Forts de ces observations, mes collègues et moi-même, à l’EPFL, avons recherché des séquences de jeux vidéo accessibles au public afin d’en extraire des informations sur la latence. C’était facile à trouver : la diffusion en continu de sessions de jeu est devenue un passe-temps et une profession très prisés.

Comment extraire la latence d’une vidéo de jeu ?

Nous avons développé Tero, un système qui extrait les chiffres de latence des images publiques mises à disposition par la plateforme de streaming Twitch sur son CDN officiel. Après plus de deux ans de fonctionnement, Tero a traité près de 400 millions d’images de jeux et obtenu près de 100 millions de mesures de latence de 184 000 streamers dans le monde (figure 2).

Carte du monde montrant les points de présence des banderoles Tero
Figure 2 – Distribution des banderoles de Tero.

Tero remplit deux fonctions principales :

  • Extraction des informations relatives à la latence: Tero travaille avec des images à faible résolution (après tout, la latence n’est qu’une infime partie de l’interface utilisateur (UI) d’un jeu) qui peuvent potentiellement contenir des éléments étrangers. Tero utilise des outils de reconnaissance optique de caractères open source avec une heuristique basée sur l’interface utilisateur spécifique au jeu afin d’éviter les mesures erronées.
  • Obtention de lieux de référence : La latence des séquences de jeu ne contient aucune information sur le lieu à partir duquel elle a été mesurée. Pour obtenir ces informations, Tero utilise les descriptions que les streamers laissent souvent dans la description de leur chaîne Twitch ou sur d’autres plateformes de médias sociaux avec un champ de localisation dédié. Pour extraire les emplacements référentiels de ces sources, Tero utilise une combinaison d’outils de traitement du langage naturel (NLP) à code source ouvert, en comparant leurs résultats pour une meilleure précision.

Dans notre document, nous fournissons une explication plus détaillée de tous les défis auxquels nous avons été confrontés et de la manière dont nous les avons relevés.

La latence vue par les joueurs

En utilisant les données de Tero, nous pouvons examiner la latence de l’Internet telle qu’elle est ressentie par les joueurs. Nous examinons les différences de performances en matière de latence dans différentes zones géographiques ; pour que les comparaisons soient équitables, nous ne comparons que les latences à des distances similaires de leurs serveurs respectifs.

Nous avons constaté que les performances en matière de latence étaient étonnamment faibles dans certaines régions des États-Unis et du Canada par rapport aux utilisateurs brésiliens. La figure 3 montre la distribution de la latence obtenue pour les utilisateurs situés entre 1 000 et 1 500 km de leur serveur de jeu : les performances en matière de latence dans plusieurs États américains diffèrent de 30 ms du reste des sites – une différence significative pour une application sensible à la latence telle que les jeux.

Graphique en boîte et moustaches montrant les performances de latence élevées, faibles et moyennes pour le Brésil par rapport aux États américains.
Figure 3 – Performances en matière de latence au Brésil (à gauche), aux États-Unis et au Canada (à droite).

Comment les joueurs réagissent-ils à la latence ?

Il est de notoriété publique que les joueurs de jeux vidéo se soucient de la latence qu’ils subissent lorsqu’ils jouent. Toutefois, en raison du manque de données, il est difficile de prédire comment ils réagiront aux changements dans l’état de leur réseau. Nous pensons que les données de Tero ouvrent la voie à des recherches visant à répondre à la question suivante : comment les joueurs réagissent-ils aux changements de leur temps de latence ?

Nous avons fait quelques petits pas vers cet objectif en étudiant si les pics – les augmentations de la latence subies par un utilisateur – incitent les joueurs à changer de jeu. Nous avons constaté une corrélation entre l’augmentation des pics et le changement de jeu – les résultats sont similaires à ceux d’autres études sur les effets des conditions du réseau sur le comportement des utilisateurs.

Vers des données ouvertes

Le temps de latence obtenu par Tero est une occasion de soutenir la communauté Internet en le rendant accessible à tous. Par conséquent, nous prenons grand soin de protéger la vie privée des streamers en anonymisant complètement toutes les données, mais nous encourageons tout streamer ayant des questions sur l’ensemble des données à nous contacter.

Par ailleurs, nous invitons tous ceux qui souhaitent en savoir plus à consulter notre site web ou le document de l’IMC.

Catalina Alvarez est candidate au doctorat à l’EPFL, Lausanne, et travaille dans le laboratoire d’architecture des réseaux sous la supervision du professeur Katerina Argyraki. Ses recherches portent sur la transparence de l’internet et l’exploitation des médias sociaux pour combler le fossé entre les mesures du réseau et l’expérience des utilisateurs.


Photo par Erik Mclean sur Unsplash

Contenus traduits

Les versions française et espagnole du contenu disponible sur le site Pulse de l’Internet Society peuvent provenir de services de traduction automatique et peuvent donc ne pas refléter avec exactitude le texte d’origine.

A noter que la version officielle est le texte en anglais.