QoS data vs QoS vidéo : ce qui change

Dans la gestion de la qualité de service (QoS) des réseaux mobiles LTE et 5G NR, assimiler l'Internet mobile généraliste au streaming vidéo sous un indicateur de trafic data uniforme constitue une erreur d'ingénierie majeure. Bien que ces usages partagent le même réseau de transport IP de bout en bout, leurs contraintes de propagation, leurs exigences de file d'attente de paquets au niveau de la couche de liaison (L2) et leurs comportements applicatifs au niveau de la couche L7 imposent des stratégies de supervision radicalement asymétriques [Source 1, Source 3].

Tandis que la QoS data se focalise sur l'efficacité de transfert de fichiers (Throughput et latence RTT), la QoS vidéo s'évalue à travers la continuité temporelle d'un flux et sa modélisation en qualité d'expérience perçue (QoE), régie par le standard mondial UIT-T P.1203.

1. La segmentation du trafic au niveau de l'ordonnanceur 3GPP (QCI vs 5QI)

Pour éviter que le trafic de fond (téléchargements, synchronisations d'applications) ne détruise la fluidité du streaming vidéo en heure de pointe, le gNodeB/eNodeB applique un arbitrage au niveau de la couche MAC via l'ordonneur (Scheduler) [Source 1, Source 3] :

• Le trafic Data classique (QCI 9 / 5QI 9) : Traité en Best Effort pur, ce canal ne dispose d'aucune réservation de ressources logiques [Source 1]. Les blocs de ressources physiques (PRB) lui sont alloués de manière élastique en fonction de la capacité résiduelle de la cellule.
• Le trafic Vidéo Streaming OTT (QCI 6 / 5QI 6) : Bien que classé en mode Non-GBR (débit non garanti), il bénéficie d'un niveau de priorité plus élevé (priorité 6 contre 9 pour la data générale) [Source 1]. L'antenne lui dédie un budget de délai de paquet (PDB) de 300 ms avec un taux de perte maximum admissible (PELR) de 10⁻⁶, sécurisant ainsi l'évacuation des paquets audiovisuels avant la saturation des files d'attente [Source 1].
• Le cas critique du Temps Réel Interactif (QCI 2/7 - 5QI 2/7) : Pour la visioconférence ou la vidéo conversationnelle, la tolérance temporelle s'effondre. Le réseau bascule sur des profils GBR dédiés (QCI 2 / latence < 150 ms) ou non-GBR haute réactivité (QCI 7 / latence < 100 ms) [Source 1]. Dans ces environnements, la perte de paquets ne peut être corrigée par des retransmissions TCP sans violer le budget de délai, imposant l'usage de codecs auto-adaptatifs et de mécanismes de dissimulation d'erreurs au niveau applicatif.

2. La rupture protocolaire : Débit moyen vs Goodput applicatif L7

L'évaluation de la QoS data classique repose sur la quantification de la vitesse de téléchargement brute (Throughput moyen). Pour la vidéo moderne, cet indicateur est insuffisant et peut masquer des dégradations critiques :

• L'architecture MPEG-DASH / HLS : Les flux vidéos ne sont plus transmis sous la forme de fichiers monolithiques, mais segmentés en blocs temporels indépendants (les chunks de 2 à 6 secondes) encodés à différents niveaux de résolution et de compression.
• Le mécanisme d'Adaptive Bitrate Switching : Le lecteur applicatif du smartphone analyse en continu le Goodput (débit utile au niveau de la couche 7) lors de la réception de chaque bloc. Si le débit instantané subit des micro-coupures ou des creux sévères dus à une mauvaise dominance radio (baisse du SINR) ou à un échec de handover, le lecteur n'interrompt pas la lecture. Il adapte dynamiquement la qualité en demandant au serveur le chunk suivant à un profil d'encodage inférieur (par exemple, bascule à la volée de 1080p à 480p). L'utilisateur constate une pixellisation de l'image (dégradation de la QoE) bien que le débit moyen global de la session paraisse conforme.

3. L'ingénierie du tampon applicatif (Buffer Dynamic) face à la latence

Le tampon mémoire du lecteur vidéo agit comme un amortisseur logique entre la volatilité de l'interface Air et l'affichage de la vidéo.

• L'amortissement des fluctuations : Au démarrage du flux (Initial Playback Delay), la vidéo retarde son affichage de quelques secondes pour charger une réserve de segments de sécurité. Si le débit s'effondre temporairement, cette réserve maintient la fluidité.
• Le phénomène de Stalling (Rebuffering) : Si la congestion de l'interface radio se prolonge ou que le taux de perte de paquets (PELR) s'élève suite à des échecs de retransmissions HARQ (couche L2), la vitesse de vidage du tampon dépasse la vitesse d'alimentation. Dès que le buffer atteint zéro, la lecture se bloque : c'est l'incident de stalling, l'irritant le plus sévère pour la satisfaction utilisateur.
• La sensibilité asymétrique à la latence : Si la vidéo à la demande (VOD) tolère de fortes latences grâce à la profondeur de son buffer, la vidéo en direct (Live Streaming), la visioconférence (WebRTC) ou le Cloud Gaming imposent un buffer minimal pour préserver l'interactivité. Dans ces scénarios interactifs, une latence RTT instable ou le phénomène de Bufferbloat (saturation des tampons mémoire des routeurs de transport) détruisent instantanément l'usage applicatif.

Conclusion générale

La divergence fondamentale entre la QoS data et la QoS vidéo reflète le passage d'une métrologie de connectivité brute à une ingénierie fine de l'expérience utilisateur (QoE). Si le transfert de données classique s'évalue par des indicateurs statistiques de volume et de vitesse de transmission, le streaming vidéo exige une régularité et une stabilité temporelle dictées par le respect des budgets de délai de la matrice QCI/5QI du 3GPP



Pour les opérateurs, les régulateurs et les cabinets d'audit, la maîtrise de ces deux approches complémentaires est indispensable : la QoS data qualifie la capacité brute et la santé technique de l'infrastructure, tandis que la QoS vidéo, modélisée par le standard UIT-T P.1203, certifie l'utilisabilité réelle du réseau face à l'usage le plus consommateur de bande passante du cyberespace moderne.