Évaluer la performance de son site web est aujourd'hui très facile. Un ou deux clics et Google ou un autre service crache des résultats avec des propositions de solutions concrètes. C'est merveilleux. Du moins pour le premier cycle d'optimisation. Mais au plus tard lors du peaufinage, du changement d'hébergeur ou de l'élimination de WordPress, il devient important de comprendre quels outils mesurent réellement le temps de chargement et comment utiliser ces données.
Il y a quelques années, un client nous a écrit via le chat de support. Il venait de déménager et comparait les performances de son site chez l'ancien hébergeur avec son site chez Raidboxes. Il nous a dit qu'il ne valait pas la peine de déménager pour un gain de performance de 9 points sur Google PageSpeed Insights .
En effet, nous recevons souvent ce genre de demandes. C'est pourquoi j'ai cherché à savoir quelles informations les outils comme Google PageSpeed Insights fournissent pour l'interprétation et comment ils mesurent la performance ou le temps de chargement. Pour être honnête, le résultat m'étonne un peu. Car la signification des valeurs est généralement très bien expliquée. Cependant, les pages d'aide des fournisseurs de tests n'abordent pas exactement deux points :
- Quel outil est adapté à quel objectif ?
- Quelles données peuvent être interprétées et utilisées, et comment ?
Les outils tels que Google PageSpeed Insights ne mesurent pas la vitesse de ton site web.
Nous en avons déjà parlé dans un autre blog post: les tests comme Google PageSpeed Insights ne mesurent pas le temps de chargement de ton site web, mais son potentiel d'optimisation. Ils déterminent donc dans quelle mesure ton site Web répond à un ensemble prédéfini de critères de performance. De plus, les tests donnent des instructions pour l'optimisation du potentiel de performance. Mais ces tests ne font explicitement rien : ils ne mesurent pas le temps de chargement.
Sur Google, ça donne quelque chose comme ça :
PageSpeed Insights mesure les possibilités d'améliorer la performance d'un site de la manière suivante :
- Temps nécessaire pour charger le contenu visible sans défilement : Durée entre la demande d'une nouvelle page et le rendu du contenu visible sans défilement par le navigateur
- Temps requis pour le chargement complet de la page : temps nécessaire entre la demande d'une nouvelle page et le rendu complet de la page par le navigateur.
Tu vois : Google ne mesure pas la vitesse, mais les "possibilités d'améliorer les performances". Une différence cruciale. Et cela signifie aussi que tu ne peux pas savoir, à partir des résultats, à quelle vitesse la page ou la zone visible sans défilement se charge réellement.
Les outils de performance comme PageSpeed Insights montrent surtout où tu peux gagner beaucoup de performance rapidement.
Mais ce n'est pas un problème, car les outils continuent à fournir des données précieuses pour l'optimisation, même s'ils ne mesurent pas le temps de chargement. La plus grande valeur ajoutée de ces tests se trouve dans les grandes étapes d'optimisation, comme l'utilisation de la mise en cache ou la compression des images.
Mais dès qu'il s'agit d'optimiser le temps de chargement d'un site déjà optimisé, ces tests ne peuvent fournir que des informations limitées. Dans un tel cas, tu dois procéder à une véritable mesure des performances. Cela vaut surtout pour le changement de fournisseur d'hébergement. Car le serveur web lui-même peut être aussi bon que possible, si le site web est plein de chantiers, même un changement d'infrastructure ne sert pas à grand-chose.
Pour une telle mesure de performance "réelle", tu peux par exemple utiliser les outils suivants :
Avec l'un de ces tests, le client aurait pu dire exactement, dans une comparaison, à quels endroits son site a connu des gains de performance après le changement.
Et cela m'amène au deuxième point de ce post : les outils comme PageSpeed Insights , en particulier, incitent à utiliser des valeurs pour une comparaison qui n'est que limitée ou pas du tout adaptée. En effet, lorsque l'on travaille avec des scores ou des systèmes de notation, on se retrouve rapidement dans une situation que j'appelle dans cet article le dilemme des notes scolaires.
Le dilemme des notes scolaires : les notes ne se prêtent pas aux comparaisons
Des outils comme Google PageSpeed Insights, ou YSlow de Yahoo fournissent deux types de données :
- une note pour la performance du site
- des conseils concrets pour améliorer cette note
Les notes se situent sur une échelle de 0 à 100, 100 étant le meilleur résultat. Jusque là, c'est clair. Et intuitivement accessible. Surtout que les évaluations sont soutenues par un système de feux de signalisation.
Mais lorsqu'il s'agit de comparer deux sites sur la base de ces évaluations, l'interprétation des résultats des mesures n'est plus aussi simple. En fait, elle est incroyablement difficile, voire impossible. Car tout le monde peut voir que le site avec un score de 90 est meilleur que celui avec un score de 80. Mais l'affirmation suivante ne peut déjà plus être faite : De quel facteur la page avec le score de 90 est-elle meilleure que l'autre ?
Et c'est ainsi que le problème est décrit dans son essence : Les systèmes de notation ne permettent tout simplement pas de faire de telles déclarations. Tu le sais depuis l'école : ton voisin de banc a eu un trois, mais toi, tu as eu un deux. Même si un ou deux points seulement vous séparent : Le résultat est radicalement différent. Et sans connaître la clé de répartition des notes du travail, il est impossible de savoir à quel point le résultat est serré.
La faute à cette pertinence limitée est ce que l'on appelle le niveau d'échelle des données de mesure. Je ne veux pas m'y attarder ici. Pour en savoir plus sur les niveaux d'échelle et les opérations de calcul autorisées, il suffit de jeter un coup d'œil à Wikipedia.
Revenons à notre exemple du début : personne n'est donc en mesure de dire exactement de quel facteur l'ancienne et la nouvelle page diffèrent. Seule une mesure réelle de la vitesse permet d'obtenir une telle information.
Les mesures de temps fournissent les meilleures données de temps de chargement
Les données les plus précieuses pour les comparaisons, la préparation des mesures d'optimisation, etc. sont dans tous les cas les mesures de temps. Car ils ont un point zéro auquel on peut se référer. Ainsi, les outils qui mesurent le temps de chargement permettent toutes sortes d'affirmations et de comparaisons.
Ainsi, si tu mesures un temps de chargement des pages de 2,712 secondes avant une mesure d'optimisation et une valeur de 2,133 secondes après le changement, tu peux faire les déclarations suivantes à partir de ces données :
- Le site est 21% plus rapide après le changement qu'avant le changement
- L'aspect optimisé est responsable de plus d'un cinquième de la performance des pages. (une des infos les plus importantes !)
- Toutes les autres mesures d'optimisation peuvent être mises en relation avec cette valeur. Ainsi, une optimisation qui apporterait 9% de vitesse en plus, mais qui nécessiterait beaucoup plus d'efforts, peut être priorisée différemment d'une mesure qui économiserait autant de temps de chargement.
Si le client de l'exemple avait mesuré dès le début avec un outil comme webpagetest.org, il aurait pu voir que les performances de son site avaient plus que doublé dans les domaines concernés.
Conclusion : connaître le type et la qualité des données de mesure n'est que le début.
Pour que la comparaison de deux ou plusieurs sites web soit pertinente, il faut donc qu'au moins les deux conditions suivantes soient remplies :
- L'outil utilisé doit mesurer ce qu'il faut, c'est-à-dire les parties pertinentes du site web. En cas de changement d'hébergeur, par exemple, il ne faut pas miser exclusivement sur un test qui examine surtout les facteurs on-page.
- Les données utilisées doivent permettre de faire des comparaisons significatives. En général, tu veux savoir de quel facteur l'optimisation a fait progresser ton site web. Ce n'est qu'avec cette information que l'on peut par exemple faire un pronostic sur l'amélioration du taux de conversion.
Il faut bien l'avouer : Savoir comment utiliser les bonnes données n'est que le début. Bien sûr, il faut aussi savoir comment tester correctement les performances des pages et lire les données. C'est pourquoi nous abordons ces deux sujets dans d'autres blogs.
Cependant, la compréhension des données et des conclusions admissibles que l'on peut en tirer est la base de toutes les étapes d'optimisation ultérieures. Et cela aide à prendre les mesures d'optimisation les plus justes et les plus judicieuses.
"*" indique les champs requis
