Écoconception web et logicielle
Bonnes pratiques pour développeurs responsables
Impact : Sites 3-5x plus légers, temps de chargement -60 %
Optimiser les algorithmes
Un algorithme inefficace peut consommer 100x plus d'énergie. La complexité compte : O(n) vs O(n²).
Points clés :
- Utilisez les structures de données adaptées (Map vs Array)
- Évitez les boucles imbriquées quand possible
- Préférez les méthodes natives (filter, map) aux boucles for
- Mettez en cache les résultats coûteux
Choisir les bons langages
C consomme environ 76x moins que Python (Pereira et al. 2017, benchmark précis). Pour le web : Rust, Go, Java, puis Node.js, PHP, Python.
Points clés :
- Frontend : JavaScript natif > frameworks lourds
- Backend : Rust, Go pour haute performance
- Évitez les dépendances npm inutiles (attention au poids)
Minimiser les transferts de données
Chaque Mo transféré émet environ 0,1 g CO₂ (SWD v4, mix mondial). Le site web moyen fait 2,5 Mo, l'optimal est < 500 Ko.
Points clés :
- Compressez les images (WebP, AVIF plutôt que JPG/PNG)
- Minifiez CSS, JS, HTML en production
- Activez la compression Gzip/Brotli
- Lazy loading pour images et vidéos
Optimiser les médias
Les images représentent environ 50 % du poids des pages (HTTP Archive, 2024). Optimisation = gain immédiat.
Points clés :
- Format moderne : WebP (~−30 %), AVIF (~−50 % vs JPG), à qualité égale (Google)
- Responsive images avec srcset
- Dimensionnez correctement (pas de 4 000 px pour afficher 400 px)
- Préférez SVG pour icônes et logos
Utiliser un CDN efficace
CDN réduit la distance données-utilisateur et permet la mise en cache distribuée.
Points clés :
- Cloudflare, Vercel Edge : datacenters mondiaux
- Cache-Control headers optimisés
- Invalidation de cache intelligente
Optimiser la base de données
Requêtes inefficaces = serveur surchargé = énergie gaspillée.
Points clés :
- Indexez les colonnes fréquemment filtrées
- Évitez SELECT * : ne récupérez que ce qui est nécessaire
- Utilisez la pagination plutôt que tout charger
- Mettez en cache les requêtes coûteuses (Redis)
Machine Learning responsable
Entraîner GPT-3 émet 552 tonnes CO₂ (Patterson et al., 2021). L'inférence domine l'impact sur la durée (ordre de grandeur : ~90 %).
Points clés :
- Utilisez des modèles pré-entraînés quand possible
- Optimisez les hyperparamètres (early stopping)
- Quantization des modèles pour réduire la taille
- Edge computing : inférence locale plutôt que cloud
Ressources complémentaires
- Le RGESN en 10 minutes
- Checklist développeur
- Outils de mesure : GreenFrame, EcoIndex
- Guides ADEME
Sources
- Pereira et al. 2017 (langages)
- Sustainable Web Design v4 2024 (transfert)
- Patterson et al. 2021 (GPT-3)
- HTTP Archive 2024
- RGESN, GR491