​

Outils d’Analyse d’Impact Carbone

• Intégration CI/CD : Intégrer les outils de mesure (comme EcoIndex ou les scanners de performance) directement dans le pipeline d’Intégration Continue / Déploiement Continu (CI/CD). Cela permet de bloquer un déploiement si le poids de la page augmente au-delà d’un seuil prédéfini.
• Mesure du Parcours Critique : Ne pas se contenter de mesurer la page d’accueil. Analyser les parcours utilisateurs les plus fréquents (connexion, recherche, achat) où l’impact énergétique est maximal.

​

Efficacité Énergétique du Code et du Serveur

• Choix du Langage : Le choix du langage a un impact direct sur la consommation.
  • Exemple : Les langages compilés (C, Java, Go) sont souvent plus économes en énergie que les langages interprétés (Python, PHP, Ruby) car leur exécution est plus optimisée.
• Optimisation des Requêtes DB : Les requêtes lentes forcent le CPU à attendre et à mobiliser la mémoire. L’optimisation passe par l’indexation et la simplification des jointures (voir section Persistance).
  • Impact : Réduire une requête de 100 ms à 10 ms libère la ressource CPU 10 fois plus rapidement, permettant au serveur de passer en mode veille ou de servir d’autres utilisateurs.
• Algorithmes Performants : Remplacer les algorithmes inefficaces par des algorithmes optimaux. Les algorithmes qui consomment moins de temps de calcul consomment moins d’énergie.

• DOM Simple : Un DOM (Document Object Model) avec des milliers d’éléments nécessite plus de temps CPU pour l’affichage, le rendu et le recalcul des styles, surtout sur les appareils mobiles.
  • Pratique : Maintenir une structure HTML plate et éviter les bibliothèques UI qui génèrent un balisage inutilement complexe.
• Animations Sobres : Préférer les animations basées sur des propriétés CSS simples (comme transform et opacity) qui sont gérées par le GPU, plutôt que des animations gourmandes basées sur left/top qui sollicitent le CPU.
• Utilisation du Cache : S’assurer que les frameworks JS utilisent correctement le cache pour les données et les composants, évitant les rendus inutiles.

def contient_doublon_lent(liste):
    n = len(liste)
    for i in range(n):
        for j in range(i + 1, n):
            if liste[i] == liste[j]:
                return True
    return False

def contient_doublon_rapide(liste):
    # Création d'un ensemble (set) pour la vérification rapide O(1)
    elements_vus = set() 
    for element in liste:
        if element in elements_vus:
            return True # Trouvé en O(1)
        elements_vus.add(element)
    return False