Les réseaux des fournisseurs de services de communication (CSP) sont des systèmes complexes. Entre les plans de contrôle et d’utilisateur, des centaines de métriques peuvent être obtenues pour évaluer une multitude de performances. À juste titre, les ingénieurs réseau savent qu’aucune métrique ne peut raconter toute une histoire à elle seule. Lorsqu’on leur demande quels KPI du réseau sont les plus critiques pour satisfaire les abonnés, leur réponse est inévitablement « ça dépend ».

La véritable qualité d’expérience (QoE) ne peut être établie qu’en recueillant les commentaires des principaux abonnés. En l’absence de cela, la méthodologie actuelle de calcul de la qualité de service (QoS) combine généralement les KPI suivants pour identifier l’expérience de l’abonné, du point de vue du plan utilisateur.

• Succès de la configuration de la connexion – c’est-à-dire si la connexion client-serveur est établie avec succès tout le temps avant le transfert des données.
• Perte de paquets – c’est-à-dire perte de paquets pendant l’établissement et/ou le transfert de données.
• Latence –e., s’il n’y a pas de retards significatifs dans le transfert de paquets.
• Débit – c’est-à-dire s’il y a suffisamment de bande passante disponible pour transférer les données.
• Durée de la session – c’est-à-dire que si vous ne souffrez pas de hoquet notable, vous regarderez des vidéos, passerez des appels et jouerez à des jeux pendant des intervalles plus longs.

Traditionnellement, la nécessité d’améliorer ces 5 KPI du réseau a été un cri de ralliement pour les équipes commerciales et les responsables de l’expérience client. En partie, ils ont raison : il est vrai que la plupart des expériences numériques sont affectées négativement lorsque ces métriques faiblit. Cependant, toutes les expériences ne sont pas impactées de la même manière : les perceptions des abonnés sont façonnées différemment selon les différentes applications qu’ils utilisent. En conséquence, les appels aveugles à l’amélioration de ces KPI conduisent généralement à des allocations d’effort mal placées et sous-optimales.

Effectivement, des latences accrues, des pertes de paquets accrues et des débits inférieurs, d’une manière ou d’une autre, représentent une mauvaise QoE. Mais les abonnés utilisant différentes applications démontrent des sensibilités différentes à la détérioration de chaque KPI du réseau. Par example:

• Les mêmes augmentations de latence pourraient avoir un impact de raccourcissement plus important sur les durées de session Instagram que sur les durées de session YouTube.
• La perte de paquets peut s’avérer plus dommageable pour la durée de l’appel vocal WhatsApp que pour la durée des sessions d’autres applications.
• Les baisses de débit peuvent ne pas avoir d’impact significatif sur l’expérience de navigation sur Instagram. Du moins, pas avant de franchir un seuil qui, pour YouTube, aurait déjà repoussé même les plus persévérants des téléspectateurs.

Avec des applications nouvelles et évolutives, l’ensemble d’indicateurs de performance clés ci-dessus peut donc ne pas être suffisant pour donner une indication précise de l’expérience réelle de l’abonné.

Considérons les exemples suivants :

1. Appels VoIP (par exemple, appels WhatsApp, appels VoLTE)

2. Streaming vidéo (par exemple, Youtube)

3. Conférences vidéo et vocales (par exemple, Blue Jeans, Zoom)

4. Jeux en ligne et dans le cloud (par exemple, Call of Duty Multiplayer, Google Stadia)

Étant donné que chaque type de trafic a des caractéristiques différentes, il doit être pris en charge différemment, avec un ensemble plus large de KPI pour identifier la QoE fournie pour chacun. Lors du calcul de l’expérience de l’abonné du point de vue des CSP pour chacun de ces 4 exemples, l’ensemble de métriques suivant doit donc être pris en compte :

1. Appel VoIP : configuration de la connexion, durée de l’appel, codec, gigue, perte de paquets et latence.

2. Streaming vidéo : temps de mise en mémoire tampon initiaux, blocages, qualité du streaming et changements de résolution.

3. Vidéoconférence et conférence vocale : configuration de la connexion, durée de l’appel, débit, gigue, perte de paquets, réussite de la connexion et résolution.

4. Jeux en ligne et dans le cloud : durée de la session, temps de chargement, latence, perte de paquets et débit.

Non seulement différentes expériences numériques appellent différents ensembles de KPI, mais les CSP doivent également prendre en compte trois éléments lors de l’évaluation des expériences des abonnés : la pondération QoS, les limitations de la technologie d’accès et les paramètres QoE de connexion.

Tout d’abord, différentes pondérations de KPI QoS doivent être appliquées à divers types de trafic lors du calcul de l’expérience de l’abonné. Par exemple, la latence et la perte de paquets pour les jeux en ligne devraient avoir une priorité plus élevée sur les autres KPI pour cette catégorie d’application spécifique. Pour le streaming vidéo, le débit doit être prioritaire sur le temps de tampon initial.

Deuxièmement, l’intégration des limites de la technologie d’accès est un autre facteur important lors du calcul de l’expérience de l’abonné. Les seuils définis pour la latence et la bande passante en 5G ou 4G sont différents de ceux en 3G. Par exemple, regarder des vidéos Youtube via une connexion 3G ne peut pas offrir la même expérience HD que sur la 5G – et le seuil de tolérance de l’observateur pour une qualité réduite sur la 3G est plus élevé que sur la 5G. Concrètement, une latence moyenne de 70 ms pour une connexion 3G est considérée comme « bonne » par rapport à la 4G, où la moyenne peut être d’environ 50 ms. D’où l’importance de prendre en compte les limitations techniques sous-jacentes de la technologie d’accès lors du calcul de la QoE d’abonné pour différents types de trafic.

Enfin, les plateformes d’analyse doivent également identifier et prendre en compte les paramètres de réseau par flux configurés par le CSP lors du calcul de l’expérience de l’abonné. Le tableau suivant nous fournit l’identifiant de classe QoS (QCI) et les paramètres de liaison d’accès 4G recommandés pour différents types de trafic.

QCI	Type de ressource	Niveau de priorité	Budget de retard de paquet	Taux de perte d’erreur de paquet	Exemples de services
1	GB	2	100 ms	10-2	Voix conversationnelle
2	GB	4	150 ms	10-3	Vidéo conversationnelle (streaming en direct)
3	GB	3	50 ms	10-3	Jeux en temps réel ; messages véhicule-à-tout (V2X)
5	Non-GBR	1	100 ms	10-6	Signalisation IMS
9	Non-GBR	9	300 ms	10-6	Vidéo (streaming tamponné) ; Basé sur TCP (par exemple, www, e-mail, chat, File Transport Protocol (FTP), partage de fichiers peer-to-peer (p2p), vidéo progressive, etc.)

Étant de moindre priorité, les supports à débit binaire non garanti (Non-GBR) peuvent subir une latence plus élevée en cas de congestion, tandis que les supports GBR ne sont pas à l’abri d’une latence élevée. Par exemple, le trafic alloué avec QCI = 1 est utilisé pour le traitement des appels vocaux, tandis que QCI = 9 pour la navigation Internet normale. Par conséquent, une latence plus élevée dans QCI = 1 a un impact plus détériorant sur l’expérience de l’abonné que dans QCI = 9.

Il en va de même pour la 5G, où la tranche de communication ultra-fiable à faible latence (URLLC) est conçue pour mieux gérer la latence que le haut débit mobile amélioré (eMBB), ou où eMBB se voit allouer plus de débit par connexion par rapport à la tranche massive de l’Internet des objets (mIoT). . En tant que tel, la pondération du débit dans le score d’expérience de l’abonné doit être supérieure dans la tranche eMBB par rapport à URLLC.

Dans l’ensemble, les KPI du réseau et la qualité d’expérience des abonnés ne se reflètent pas toujours. Comprendre l’impact de chacun de ces KPI et paramètres sur la QoE dont bénéficient les utilisateurs de données mobiles lorsqu’ils s’engagent avec différentes applications populaires est la première étape pour offrir des expériences numériques de qualité supérieure. Mais surtout, comment ces connaissances peuvent-elles être exploitées et comment les technologies d’analyse de réseau peuvent-elles aider ?

Chez Mobileum, nous collectons et corrélons des données de réseau en temps réel dans diverses dimensions, que nous pouvons compléter en ingérant des flux de données à partir d’éléments tiers, et nous exploitons en outre des algorithmes d’apprentissage automatique propriétaires pour fournir des analyses de réseau avancées, même à partir de flux cryptés. Nos capacités d’analyse de réseau approfondies nous permettent de faire apparaître des informations riches et granulaires qui prennent en compte la façon dont les perceptions des abonnés sont façonnées différemment selon les différentes applications qu’ils utilisent, et comment les KPI du réseau peuvent et doivent être pris en compte lors du calcul de la QoE globale des abonnés.

En possession de la connaissance que différentes expériences numériques appellent différentes performances de réseau, les équipes commerciales peuvent exiger des améliorations de réseau qui ont du sens. En adaptant le bon médicament aux bons symptômes et en comprenant que les différentes applications répondent de manière unique, les CSP peuvent mieux allouer leur temps et leurs ressources. Ni sur- ni sous-dépenses, donc, sur leurs investissements d’amélioration de réseau.