A Scoping Review of Methods to Measure the Energy and Carbon Footprint of Web Tracking and Advertising

Chaque fois que vous visitez un site web, une économie cachée d'échange de données se déroule en arrière-plan. Pendant que vous lisez un article ou regardez une vidéo, des scripts invisibles s'exécutent pour suivre votre comportement, construire un profil de vos intérêts et diffuser des publicités ciblées. Ce système, souvent appelé l'écosystème de l'ad-tech, est le principal moyen par lequel de nombreux services en ligne gratuits gagnent de l'argent. Cependant, la capture, le stockage et le traitement de cette quantité massive de données utilisateur nécessitent une puissance de calcul significative. Cette puissance provient de l'électricité, et la production de cette électricité produit souvent des émissions de carbone. À mesure que l'internet croît, son empreinte environnementale augmente également, soulevant une question difficile pour les chercheurs : quelle part de cette énergie est réellement dépensée uniquement pour les publicités et le traçage, plutôt que pour le contenu que vous essayez de voir ?

Une équipe de chercheurs de l'Université de Toronto a entrepris de répondre à cela en passant en revue la littérature scientifique existante. Ils ne menaient pas une nouvelle expérience eux-mêmes, mais cartographiaient plutôt le paysage de la manière dont d'autres scientifiques ont tenté de mesurer ce coût environnemental spécifique. Ils ont découvert que le domaine est encore jeune et fragmenté. Les études qu'ils ont examinées sont dispersées dans différentes disciplines, utilisant des mots différents pour décrire les mêmes processus et des outils différents pour mesurer les mêmes choses. Pour donner un sens à tout cela, les auteurs ont rassemblé 15 études clés à partir d'un groupe initial de 46 candidats et les ont organisées en cinq méthodes distinctes que les chercheurs utilisent pour isoler le coût énergétique du traçage et de la publicité sur le web.

L'approche la plus courante, utilisée dans la majorité des études, est appelée le blocage de publicités (ad blocking). Dans cette méthode, les chercheurs visitent une liste de sites web populaires deux fois : une fois avec un navigateur standard et une fois avec un bloqueur de publicités activé. En comparant l'énergie utilisée dans les deux scénarios, ils peuvent calculer la différence causée spécifiquement par les publicités et les traceurs. Certains chercheurs utilisent des extensions de navigateur pour bloquer les publicités, tandis que d'autres utilisent des fonctionnalités intégrées au navigateur ou bloquent même les requêtes au niveau du réseau. Pour obtenir ces chiffres, ils utilisent souvent des logiciels qui lisent l'utilisation du processeur de l'ordinateur ou la consommation de la batterie, ou dans certains cas, ils connectent un voltmètre physique à l'appareil pour mesurer l'électricité qui alimente le matériel. Cette méthode est pratique car elle peut être réalisée sur un ordinateur ordinaire, mais elle repose sur l'hypothèse que la seule chose qui change entre les deux visites est la présence des publicités.

Un deuxième groupe de chercheurs adopte une approche plus contrôlée en recréant des sites web dans un cadre de laboratoire. Au lieu de visiter des sites en direct sur l'internet ouvert, ils téléchargent les pages et retirent eux-mêmes les publicités et les scripts de traçage, créant ainsi une version propre du site. Ils servent ensuite ces versions localement sur un serveur qu'ils contrôlent, garantissant qu'aucune variable extérieure n'interfère avec le test. Dans une variation de cette méthode, les chercheurs ont construit un site web de toutes pièces et y ont ajouté différents nombres d'outils de traçage, observant comment la consommation d'énergie augmentait avec chaque ajout. Cela offre un haut degré de contrôle sur l'expérience, permettant aux scientifiques de voir exactement quelle énergie un seul traceur consomme, bien que cela puisse ne pas refléter parfaitement la réalité chaotique du web en direct.

Une troisième méthode, plus inhabituelle, consiste à rejouer des publicités individuelles. Une étude a collecté des milliers de publicités sur le web et a créé un système pour les afficher une par une sur une page de navigateur vide. En mesurant l'énergie requise pour charger une seule publicité par rapport à une page de base vide, les chercheurs ont pu déterminer le coût du rendu de cette publicité spécifique. Ils ont ensuite utilisé ces données pour entraîner un modèle informatique capable de prédire le coût énergétique d'autres publicités en fonction de leurs caractéristiques. Cette technique permet un examen granulaire du coût des unités publicitaires individuelles, mais elle nécessite une collecte de données manuelles massive pour construire la bibliothèque initiale de publicités.

La quatrième approche examine le flux de données lui-même plutôt que l'appareil qui l'affiche. Au lieu de mesurer l'écran de l'ordinateur, ces chercheurs analysent le trafic réseau circulant entre l'utilisateur et l'internet. Ils examinent les paquets de données envoyés et reçus, tentant d'identifier quelles parties du flux de données appartiennent aux publicités et aux cookies de traçage. En additionnant le volume total de ce trafic spécifique, ils peuvent estimer l'énergie nécessaire pour déplacer ces données à travers l'internet. Cependant, les auteurs de cette revue notent une faille importante dans cette méthode : le simple fait de savoir quel volume de données est transféré ne vous indique pas automatiquement quelle énergie a été utilisée pour le traiter, car la relation entre la taille des données et la consommation d'énergie est complexe et pas encore pleinement comprise.

La dernière méthode repose entièrement sur des chiffres existants plutôt que sur de nouvelles mesures. Les chercheurs utilisant cette approche prennent des chiffres et des coefficients provenant d'autres études publiées — tels que le coût énergétique moyen pour déplacer un gigaoctet de données ou l'intensité carbone du réseau électrique — et les appliquent à des estimations du volume de données générées par la publicité. Cela permet des calculs larges et à grande échelle sans avoir besoin de mener des expériences ou de collecter de nouvelles données. Bien que ce soit le moyen le plus accessible pour obtenir une estimation approximative, sa précision dépend entièrement de la qualité et de la pertinence des chiffres originaux empruntés.

La revue révèle que le domaine commence à peine à trouver ses marques. Quatre-vingts pour cent des études qu'ils ont analysées ont été publiées au cours des cinq dernières années, ce qui indique un essor rapide de l'intérêt à mesure que la crise environnementale s'aggrave. Malgré cette croissance, les chercheurs ont constaté que les études se parlent rarement entre elles. Différentes équipes utilisent différents termes pour les mêmes concepts, et elles ne parviennent souvent pas à construire sur les découvertes des autres. Par exemple, une étude a révélé que la taille des données transférées pour une publicité ne prédit pas nécessairement l'énergie nécessaire pour l'afficher, une conclusion qui remet en question les hypothèses faites par d'autres études qui s'appuient sur le volume de données pour estimer l'utilisation d'énergie.

Actuellement, il n'existe pas de méthode unique standard sur laquelle tout le monde s'accorde. La plupart des recherches se concentrent sur ce qui se passe sur l'appareil de l'utilisateur, laissant un large fossé dans notre compréhension de l'énergie consommée par les énormes centres de données qui stockent et traitent ces informations. Comme ces infrastructures corporatives sont opaques et difficiles d'accès, les chercheurs ont dû s'appuyer sur des méthodes indirectes ou des simulations contrôlées. Les auteurs suggèrent que les travaux futurs doivent développer de meilleures façons de mesurer l'énergie utilisée dans ces centres de données et créer un langage commun afin que les scientifiques de différents domaines puissent comparer leurs résultats avec précision. D'ici là, nous n'avons qu'un assemblage de méthodes qui offrent des aperçus du coût environnemental de l'économie numérique, mais aucune image complète.