Pourquoi un plus grand nombre de sondes de mesure ne garantit pas une meilleure qualité des données Internet

Lorsqu’un appel vidéo se fige ou qu’une page Web met trop de temps à se charger, cela apparaît rarement dans un rapport officiel. Contrairement à une panne totale, où Internet est complètement indisponible, ces problèmes de performance échappent parfois aux outils de surveillance traditionnels. Et pour les décideurs politiques et les chercheurs qui tentent de déterminer si Internet fonctionne correctement pour tout le monde, cette invisibilité constitue un problème majeur.

Nos récentes recherches, publiées dans ACM CoNEXT, adoptent une nouvelle approche face à ce défi. En étudiant la manière dont les problèmes de performances se propagent au sein des réseaux domestiques à Chicago, nous avons constaté que lorsque plusieurs foyers subissent simultanément le même type de ralentissement, ils le ressentent de manière remarquablement similaire. Cette découverte pourrait constituer un outil puissant pour rendre la mesure de l'Internet plus intelligente, moins coûteuse et plus équitable.

Constat de ce même problème à deux reprises

La surveillance d'Internet à grande échelle repose généralement sur le déploiement d'un grand nombre de dispositifs de mesure, appelés « sondes », répartis dans les foyers, les villes et les pays. Chaque sonde mesure en continu le temps que mettent les données pour aller et revenir d'un serveur. On pourrait penser que plus le nombre de sondes déployées est élevé, plus la visibilité est grande.

La réalité est tout à fait contraire. Nous avons analysé quatre mois de données de latence à haute fréquence provenant de 99 sondes déployées à travers Chicago et avons constaté qu’une grande partie des anomalies détectées par différentes sondes correspondaient en réalité au même événement de ralentissement touchant le même FAI au même moment. La surveillance indépendante de ces 99 sondes ne nous fournissait pas 99 visions distinctes du réseau. Une part importante de ces données était redondante.

Nous avons mis au point un ensemble de techniques permettant d’identifier les sondes qui apportent réellement de nouvelles informations et celles qui ne font que confirmer ce que d’autres sondes ont déjà détecté. Nous avons ainsi pu couvrir 95 % de l’impact réel sur les performances détecté sur l’ensemble du déploiement en utilisant moins de la moitié des sondes ; 44 sur 99, dans notre cas. Plus important encore, l’algorithme détecte plus de deux fois plus d’anomalies distinctes que si l’on se contentait de choisir des sondes au hasard.

Une plus grande hétérogénéité dans le sud de Chicago

Les gains d’efficacité sont importants, mais ce que nous avons découvert concernant la répartition géographique l’est encore davantage. Lorsque nous avons examiné quelles sondes notre algorithme avait choisi de conserver, celui-ci a systématiquement préservé la diversité géographique. Même en réduisant de moitié le nombre de sondes, il a conservé au moins une sonde dans 17 des 21 codes postaux. L’algorithme ne cherchait pas explicitement à être équitable sur le plan géographique ; il s’efforçait de trouver les appareils les plus informatifs. Mais ces deux objectifs se sont avérés aller de pair.

Par ailleurs, un seul code postal du South Side de Chicago, qui recoupe le quartier de South Shore, a fourni le plus grand nombre de requêtes et d’anomalies distinctes à notre ensemble réduit. Il s’agit d’un quartier dont la ségrégation raciale et économique a été largement documentée, et nos données suggèrent que ses habitants bénéficient de performances Internet fondamentalement différentes et plus variables que celles du reste de la ville. C’est précisément cette variabilité qu’une approche naïve de la sélection des sondes risquerait de ne pas prendre en compte.

Ce que cela implique pour les décideurs politiques et les chercheurs

Des programmes tels que « Measuring Broadband America » (MBA) de la FCC, ainsi que des infrastructures de mesure spécialisées comme RIPE Atlas et M-Lab, représentent ensemble des années d'investissement consacrées à la compréhension des performances d'Internet. Notre approche peut s'appliquer directement aux ensembles de données issus de ces plateformes afin de réduire les redondances dans les déploiements existants, sans nécessiter de matériel supplémentaire.

De plus, la plupart des plateformes de mesure qui permettent la recherche universitaire fournissent un instantané de la vitesse et de la latence à un moment donné. Elles ne suivent pas systématiquement la durée d’un ralentissement ni son ampleur. Nous invitons donc vivement des plateformes telles que M-Lab et RIPE Atlas à commencer à rendre compte de l’amplitude et de la durée des anomalies de latence lorsqu’elles se produisent, et non plus uniquement des performances moyennes. Cela permettrait de mener une nouvelle catégorie d’analyses : identifier les quartiers ou les périodes au cours desquels l’écart entre la qualité Internet annoncée et celle réellement fournie est le plus important.

Moins, c'est vraiment mieux

La fracture numérique est souvent présentée comme une question d’accès : qui dispose d’une connexion haut débit et qui n’en dispose pas. Mais l’accès à lui seul ne rend pas pleinement compte de la réalité. Deux foyers peuvent tous deux disposer d’une connexion haut débit sur le papier, tout en bénéficiant dans la pratique d’une qualité d’accès à Internet très différente. Pour combler cet écart, il faut d’abord le mesurer, et le mesurer correctement.

Notre travail constitue une première étape vers la mise en place d'une infrastructure de mesure à la fois plus légère, plus intelligente et mieux adaptée aux communautés qui ont besoin d'une plus grande visibilité. L'article complet, le code et l'ensemble de données sont accessibles au public pour toute personne souhaitant s'appuyer sur ces résultats.

Taveesh Sharma est doctorant en informatique à l'université de Chicago, où il mène des recherches sur la mesure de l'Internet, les performances du haut débit et l'observabilité des réseaux.