Aller au contenu

Consommation énergétique d'un smartphone

Un article de Wikipédia, l'encyclopédie libre.

La consommation énergétique d'un téléphone portable est définie par la quantité d'énergie utilisée par le téléphone portable afin de faire fonctionner les services qu'il propose. L'écart entre l'énergie stockée dans la batterie et l'énergie consommée par les composants principaux a augmenté avec chaque génération. La consommation d'énergie d'un téléphone portable résulte de la consommation de ses composants parce que les logiciels, toujours plus nombreux, les sollicitent. Il est donc important de savoir mesurer et comprendre comment l'énergie est consommée sur les appareils mobiles. Cela amène les chercheurs à travailler sur différentes solutions pour réduire la consommation d'énergie afin d'améliorer l'expérience utilisateur. La consommation énergétique d'un téléphone portable a un impact important sur son autonomie mais un impact négligeable sur la consommation d'énergie globale.

État des lieux

[modifier | modifier le code]

La pénétration du marché des téléphones portables est forte[1]. En fin d'année 2013, 1,4 milliard de téléphones portables sont en circulation dans le monde[2]. Ils sont équipés de processeurs et systèmes d'exploitations plus puissants et de plusieurs interfaces réseaux[3]. Ils remplacent différents objets que nous avions dans notre poche et permettent à leur utilisateur d'interagir avec les équipements environnants[4].

Mais l'utilisation des téléphones portables est fortement limitée par la durée de vie de leur batterie[5], qui est soumise aux contraintes de taille et de poids du terminal[6]. De plus l'énergie est l'une des principales ressources qui lorsqu'elle est épuisée, rend toutes les applications de l'appareil mobile inopérantes, y compris celles qui sont essentielles telles que les appels d'urgence[7]. Finalement, la question que se pose un utilisateur lorsqu'il exécute une application mobile est : « Combien de temps puis-je utiliser mon téléphone en exécutant cette application ? »[8]. L'optimisation de la consommation d'énergie de millions d'applications pour les téléphones portables est donc d'une importance critique[9]. Savoir mesurer la consommation de l'énergie des terminaux mobiles est donc d'une importance cruciale pour la compréhension et le débogage de la consommation d'énergie des applications mobiles[5].

Au début des années 2000, le domaine de recherche prioritaire concernait l'efficacité énergétique pour le calcul[10], tel que la consommation d'énergie des microprocesseurs, puisque les services de l'Internet mobile comme le courrier électronique étaient encore à leur début[11]. Puis les interfaces WLAN[note 1] comme les interfaces Bluetooth et IEEE 802.11 sont devenues omniprésentes[12]. Avec les services de l'Internet mobile qui deviennent populaires et les utilisations d'application qui ont radicalement changé, la transmission de données sans fil représente une partie importante de la consommation d'énergie des smartphones[11].

Puis, à partir de 2003, plusieurs leaders de l'industrie ont mis au point des solutions pour apporter la présence de la 3D[note 2] dans les plates-formes mobiles[13]. En raison de l'intensité des calculs de la géométrie et de la pixellisation, ainsi qu'un affichage toujours actif, ces applications 3D sont extrêmement gourmandes en énergie[14]. Des améliorations dans la technologie des batteries ne permettront pas à satisfaire les besoins énergétiques du traitement graphique 3D dans les appareils portatifs futurs, ce qui motive les recherches sur l’amélioration de l’efficacité énergétique[15].

L'utilisation de batteries de plus grande capacité pourrait être une solution triviale, mais leur évolution technologique ne suit pas les tendances dictées par la loi de Moore. Alors que la puissance de calcul est doublée tous les deux ans selon Moore, la capacité de la batterie double tous les dix ans seulement[16]. En outre, avec plus de capteurs, comme le GPS[note 3], disponibles sur les appareils[11], et comme l'amélioration de la capacité de la batterie est très modérée par rapport à l'augmentation des nouveaux services et matériels[17], le contrôle du contexte et de la consommation d'énergie du smartphone devient un défi[11].

Définition

[modifier | modifier le code]
Interactions entre le matériel, les logiciels, les utilisateurs et l'environnement[18]

La consommation énergétique d'un smartphone est définie par le coût énergétique nécessaire aux composants matériels pour réaliser leur activité. Cette activité est induite par les exécutions de logiciels, liées à l'activité des utilisateurs. En effet, les logiciels produisent une quantité de travail, pendant un temps donné (par exemple accès entrée-sorties, encodage ou décodage de données), ce qui donne lieu à des opérations sur le matériel[18]. En d'autres termes, la consommation d'énergie résulte de l'exécution d'applications qui, par leurs comportements, déclenchent une charge de travail sur les composants matériels[9]. L'environnement externe peut aussi influencer sur la charge de travail des opérations logicielles et matérielles. Par exemple, des interférences réseaux peuvent entraîner une retransmission des données lors d'une transmission sans fil. Cela se traduit par une variation de la charge de travail sur les accès entrée-sorties[19].

De plus, les terminaux sont alimentés par batteries pour permettre le plus haut degré de liberté à l'utilisateur, mais cela limite les ressources en termes d'énergie et de puissance. Il est essentiel de comprendre la différence entre ces deux termes qui sont parfois utilisés de façon interchangeable[17].

Puissance
La vitesse à laquelle le travail est effectué, exprimé en watts ⇒ [17].
Énergie
L'intégrale du temps et de la puissance, exprimé en joules ⇒ [17].

La consommation d'énergie des maisons ou des bureaux est mesurée en kilowatts-heures (1 kWh = 3600 kJ). La capacité des batteries est souvent donnée en milliampères-heures (mAh). 1 000 mAh correspondent à 13 300 joules en supposant que la tension moyenne de la batterie soit de 3,7 V[20].

De plus, un composant d'un smartphone peut avoir un ou plusieurs niveaux d'états de puissance[21] :

État actif
Le processeur d'application est opérationnel. L'écran est allumé et les composants sont actifs[22]. L'énergie consommée dans l'état actif est élevé (par exemple de 300 à 2000 mW, lors de l'écoute de la musique et en utilisant le Wi-Fi[23]), et varie considérablement selon l'utilisation[22].
État inactif
Le processeur d'application est inactif, tandis que le processeur de communication réalise un niveau d'activité faible, car il doit rester connecté au réseau dans le but de recevoir des appels, SMS[note 4],[24]. L'appareil est en mode de faible puissance[22]. La puissance consommée à l'état inactif est nettement inférieure à l'état actif, et est relativement invariable dans des usages normaux[22]. Elle est mesurée autour de 70 mW[24],[22].
État de « queue »
L'appareil n'est pas à l'état inactif mais aucune application n'est active[24]. Les composants tels que les cartes réseau, carte SD[note 5] et GPS[note 3] sur de nombreux smartphones présentent ce phénomène de l'état de « queue ». Ils restent à un état de puissance élevé pendant un certain temps après leur activité[25].

Sources de consommation matérielle

[modifier | modifier le code]
Consommation d'énergie pour une utilisation typique d'un smartphone (HTC Wizard i-mate K-JAM (en))
[note 6],[26],[27]
Composant Consommation
Processeur 35 %
Wi-Fi 25 %
GSM 25 %
Bluetooth 7 %
Autres 5 %
Rétro-éclairage 3 %

Les smartphones modernes sont équipés d'une grande variété de composants matériels intégrés. Les composants principaux sont la CPU[note 7], la mémoire, la carte SD[note 5], le Wi-Fi, le téléphone, le Bluetooth, le GPS[note 3], l'appareil photo, l'accéléromètre, la boussole numérique, l'écran LCD[note 8], l'écran tactile, le microphone et le haut-parleur. Il est courant pour les applications des smartphones d'utiliser plusieurs composants simultanément afin d'offrir une expérience utilisateur plus riche[25],[28]. Chaque composant matériel peut être dans plusieurs modes de fonctionnement, connus comme les états d'alimentation de ce composant, consommant chacun une quantité d'énergie différente[21].

Le processeur

[modifier | modifier le code]

La consommation d'énergie du processeur est fortement influencée par l'utilisation et la fréquence de la CPU[note 7],[29]. Par exemple, le processeur n'est pas sollicité lors de la recherche de nouveaux réseaux Wi-Fi, en revanche, il est largement utilisé par la plupart des jeux[30]. S'il fait encore partie des composants qui consomment le plus d’énergie (12,7 % de la puissance[note 9])[31], des techniques d'optimisation de l'énergie de la CPU ont fait l'objet de nombreuses recherches et des techniques matures, comme l'ajustement dynamique de la fréquence (en) ont déjà été intégrées dans les smartphones[32]. Mais les résultats mesurés dépendent aussi énormément du contexte d'utilisation. En effet, plus le processeur est utilisé, plus il consomme de l'énergie[33],[34]. Par exemple, en 2007, des mesures sur un HTC Wizard i-mate K-JAM (en) montrent que le processeur consommait jusqu'à 35 % de la puissance totale[26].

La mémoire

[modifier | modifier le code]

Pour la mémoire vive (RAM[note 10]), la puissance peut être assez élevée (supérieure à 100 mW dans certains scénarios), mais est toujours à corréler avec l'utilisation du processeur. Elle peut dépasser la puissance du processeur dans certaines charges de travail, mais dans des situations concrètes, la puissance du processeur éclipse celle de la mémoire par un facteur de deux ou plus[35]. Par conséquent, en pourcentage, la mémoire contribue en moyenne à 6 % de la puissance totale. En mode veille cependant, la mémoire peut monter jusqu'à 20 %, car elle doit conserver l'état du système. La mémoire flash, elle, contribue peu à la consommation d'énergie. Sa consommation culmine à 30 mW lors d'un enregistrement vidéo, soit 1,5 % de la puissance totale. Sinon elle ne représente que 0,5 % du total[note 11],[36]. Les mémoires vive et flash font partie des plus faibles consommations électriques[35].

Des mesures faites sur l'interface de la carte SD[note 5], une SanDiskGo, montrent une augmentation de la puissance de 2,2 mW pour les écritures, et une augmentation de 21,1 mW pour les lectures[note 12],[37]. Sa consommation d'énergie est négligeable[38]. Même lors de lecture vidéo, l'une des utilisations avec la plus forte concentration de données d'appareils mobiles, les résultats des mesures montrent que la puissance consommée de la carte SD est bien inférieure à 1 % de la puissance totale[35].

L'affichage et la 3D

[modifier | modifier le code]

Un facteur conduisant à l'adoption généralisée des téléphones portables a été l'amélioration spectaculaire dans les technologies d'affichage[39]. L'écran est le dispositif de sortie principal pour l'interaction avec l'utilisateur final[23]. La majorité de sa consommation d'énergie peut être attribuée au rétroéclairage (jusqu'à 414 mW[24]) ; l'affichage comprend l'écran LCD[note 8], l'écran tactile, l'accélérateur graphique, et le rétroéclairage[35]. Le contenu affiché à l'écran peut également affecter la consommation d'énergie de 74,2 mW avec un écran blanc et 33,1 mW pour un écran noir[note 12],[40]. En d'autres termes, la consommation de l'écran représente environ 35,5 % de la puissance active du smartphone[31]. Elle est composée de 19,2 %[31] à 19,5 %[41] dus à la luminosité de l'écran, et 16,3 % dus au contenu sur l'écran[31]. A contrario, le rétroéclairage consomme une quantité d'énergie négligeable lorsque le smartphone est à l'état inactif (7,8 mW)[40].

Le matériel graphique dédié, avec un processeur graphique (GPU[note 13]), disponible sur le haut de gamme des smartphones, a permis de fournir à la fois une exécution plus rapide et une plus faible consommation électrique[42]. De plus l'incorporation de graphismes 3D[note 2] dans les smartphones a posé plusieurs défis aux concepteurs de matériels car comparé à d'autres plates-formes, ils doivent composer avec un apport énergétique limité et une puissance de calcul inférieure[15]. La résolution, le niveau de détail (LOD[note 14]), l'éclairage, la texture et la fréquence de rafraîchissement des trames sont des facteurs qui jouent un rôle essentiel dans la détermination de la qualité des graphismes 3D[43]. Par exemple, en comparaison, sur une simulation d'un jeu en 2D[note 15] (Angry Birds) et d'un jeu en 3D (Need for Speed Most Wanted) pendant 110 secondes, la puissance consommée mesurée pour le jeu 2D est de 1 516 mW, tandis que pour le jeu 3D, la puissance consommée est de 2 425 mW[note 11],[44].

Très récemment, des écrans AMOLED[note 16] ont commencé à remplacer les écrans LCD standard des smartphones grand public. Par rapport à l'écran LCD, AMOLED offre une meilleure qualité d'affichage et un meilleur rendement énergétique en raison de son mécanisme unique d'éclairage[45].

Interfaces réseau

[modifier | modifier le code]

Les smartphones sont équipés de multiples interfaces réseaux sans fil qui leur permettent de répondre aux différentes demandes de communication et de réseau. Comme les smartphones s'en remettent de plus en plus aux connexions sans fil pour réaliser des fonctions, la consommation énergétique augmente de manière significative[3].

Le Bluetooth est une norme de connexion sans fil peu énergivore[46], de courte portée[33] (10 mètres[47]) et qui offre une bande passante de 1 Mb/s[48].

L'interface Bluetooth possède trois états. Un état actif, et deux états d'économie d'énergie composée d'un mode « renifleur » qui permet de maintenir l'interface Bluetooth connectée et de la réactiver rapidement lors d'une transmission de données, et d'un mode « sommeil profond » qui est le mode le plus économe en énergie[49].

Une étude de la consommation de la carte Bluetooth « BlueCore3 » a été réalisée en 2006. D'après sa fiche technique, la carte Bluetooth « BlueCore3 » consomme 5,8 mW à l'état de veille et 81 mW à l'état actif (en transfert de données). Or les données mesurées montrent plutôt une consommation de 25 mW à l'état de veille et 120 mW à l'état actif (en transfert de données)[47]. Le mode veille correspond au mode « renifleur » car le mode « sommeil profond » n'est pas disponible pour le carte « BlueCore3 »[49].

Consommation de puissance en fonction de la carte Bluetooth « BlueCore3 »[47]
Carte Consommation en état Basse puissance - veille Consommation à l'état actif - transfert de données
BlueCore3 (consommation donnée par la fiche technique) 5,8 mW 81 mW
BlueCore3 (consommation mesurée) 25 mW 120 mW

Entretemps, la technologie Bluetooth a été rapidement améliorée et consomme moins d’énergie tout en améliorant son taux de transfert[50]. Une autre étude effectuée en 2011 à partir d'un smartphone Nokia N95 montre notamment que le fait de passer la carte Bluetooth à l'état actif ajoute un surcoût énergétique d'uniquement 3 mW[51]. En état de veille, avec toutes les interfaces réseaux éteintes, et l'écran également, le smartphone Nokia N95 consomme 12 mW. Cette valeur représente le minimum de consommation du smartphone Nokia N95, elle est incluse dans tous les autres résultats[51].

Consommation de puissance d'un smartphone Nokia N95 en fonction de l'état de sa carte Bluetooth[33],[51]
État Précision sur l'état Puissance en mW
Éteint Toutes les interfaces réseaux ainsi que l'écran sont éteints. C'est la consommation minimum du smartphone 12
Actif Lorsque le Bluetooth est passé à l'état actif 15
Connecté et en veille Lorsque le smartphone est connecté à un autre équipement mais il n'y a pas d'échange de données 67
Recherche Lorsque le téléphone est à la recherche d'autres équipements Bluetooth 223
Réception En réception de données 425
Émission En émission de données 432

Le Wi-Fi est une norme de connexion sans fil de courte portée (100 mètres) et qui offre une bande passante de 11 Mb/s pour la norme IEEE 802.11b[47], ou encore 54 Mb/s pour la norme IEEE 802.11g[52]. L'utilisation du Wi-Fi produit un pic de consommation lors de la recherche de bornes Wi-Fi et lors de son association avec la borne[28], jusqu'à près de cinq fois plus d'énergie que le transfert de données[53]. Cependant le coût du maintien de cette association est faible[54],[26]. La consommation d'énergie augmente quand le temps entre deux transferts augmente, cette augmentation se produit car l'interface Wi-Fi reste à l'état actif ce qui consomme 3 à 3,5 joules par minute[53]. Pour économiser de l'énergie, l'interface Wi-Fi fournit un mode « économie d'énergie » uniquement accessible lorsque le terminal reste connecté à la même borne Wi-Fi[55]. De plus, la consommation peut être différente entre les différents types d'interfaces sans fils.

Consommation de puissance en fonction de la carte Wi-Fi[47]
Carte Consommation en état basse puissance
(veille)
Consommation à l'état actif
(transfert de données)
Cisco PCM-350 (consommation mesurée) 390 mW 1 600 mW
Netgear MA701 (consommation donnée par la fiche technique) 264 mW 990 mW
Linksys WCF12 (consommation mesurée) 256 mW 890 mW
Consommation du Wi-Fi sur des smartphones HTC Tornado, HTC Wizard[52] et Nokia N95[33]
État Tornado Wizard Nokia N95
Émission 1 242,3 mW 1 844 mW 1 629 mW
Réception 988,7 mW 1 716,7 mW 1 375 mW
Inactif Non communiqué 1 271,1 mW 979 mW
Sommeil <1 mW <1 mW Non communiqué
Mode économie d'énergie 48,7 mW 84,5 mW 26 mW
En connexion Non communiqué Non communiqué 868 mW
En déconnexion Non communiqué Non communiqué 135 mW

L'interface Wi-Fi peut se trouver dans cinq états : transmission, réception, inactif, sommeil et économie d'énergie. L'état de sommeil est celui qui consomme le moins. La consommation est sensiblement réduite en mode « économie d'énergie »[52]. L'état inactif peut être relativement élevé, car il correspond juste à l'état précédant l'état de sommeil[51]. Les smartphones équipés d'une interface Wi-Fi IEEE 802.11b (vitesse maximale de 11 Mbit/s), comme le HTC Tornado (en) et Nokia N95, consomment moins d'énergie que les smartphones équipés d'une interface Wi-Fi IEEE 802.11g (vitesse maximale de 54 Mbit/s), comme le HTC Wizard (en). La réception consomme moins d'énergie que l'émission[52]. Des mesures effectuées sur un smartphone ZTE V880 ont également mis en évidence que le Wi-Fi consomme plus d'énergie en émission qu'en réception[27].

La 3G permet des usages de transferts de données haut débit tels que les MMS, la visualisation de vidéos en streaming et la navigation web[56]. Deux facteurs déterminent la consommation d'énergie due à l'activité du réseau dans un smartphone. Tout d'abord, l'énergie d'émission qui est proportionnelle à la longueur d'une transmission et au niveau de puissance d'émission. Puis le protocole de contrôle de ressources radios (en) qui est responsable de l'allocation de canal et de la mise à l'échelle de la puissance consommée par l'interface réseau sur la base de temporisateurs d'inactivité[54]. Le controleur de ressources radios (en) est composé de cinq états[57] :

Veille
Dans ce mode, l'interface réseau du smartphone ne communique pas avec le réseau même si elle est à l'écoute des messages de diffusion. C'est dans cet état que le smartphone consomme le moins d'énergie[58],[59].
Cellule_DCH[note 17]
Dans cet état, le smartphone est associé un canal de transport dédié et est donc en mode émission et réception. Il consomme le plus de ressources réseau et l'impact sur la batterie est à un niveau très élevé (800 mW)[59]. Quand il n'y a pas d'activité pendant une période de temps déterminée, l'interface réseau entre dans l'état Cellule_FACH[note 18],[58].
Cellule_FACH[note 18]
Dans cet état, le smartphone communique avec le réseau par l'intermédiaire d'un canal partagé. Quelques bits de données peuvent être transmis à un débit de données relativement faible[59].S'il existe un grand volume de données à émettre, l'interface réseau du smartphone passe à l'état Cellulle_DCH[note 17],[58].La consommation est supérieure à l'état de veille. Elle est de 400 mW[59].
Cellule_PCH[note 19]
Dans cet état, aucun canal physique dédié n'est alloué à l'équipement utilisateur, de sorte qu'aucune activité d'émission ne soit possible, mais le smartphone est connu d'un canal partagé. La consommation d’énergie est faible, 30 mW[59].

Un autre paramètre influe sur la consommation énergétique du téléphone. C'est la temporisation d'inactivité qui contrôle la transition entre états[60]. La consommation d'énergie, à valeur de temporisation d'inactivité identique, est moindre pour la technologie WCDMA que pour la technologie cDMA2000[61]. Le phénomène d'état de « queue » est également très impactant sur la 3G. Par exemple, lors de la réception d'un fichier de 50 Ko, l'énergie consommée à l'état de « queue » représente plus de 60 % de l'énergie totale consommée alors qu'en début de transfert, seulement 14 % de l'énergie totale est consommée[62]. La qualité du signal du réseau de téléphonie mobile est également une source de consommation d'énergie. En effet, plus la qualité du signal est mauvaise ou que le smartphone est éloigné d'une antenne-relais, plus la consommation d'énergie est importante[59],[63].

Consommation de puissance d'un smartphone HTC[note 20] en fonction du réseau support[64]
Réseau Émission par Mb/s Réception par Mb/s Passage à l'état actif
4G 438,39 mW 51,97 mW 1 288,04 mW
3G 868,98 mW 122,12 mW 817,88 mW
Wi-Fi 283,17 mW 137,01 mW 132,86 mW

En 4G le smartphone peut avoir deux états : « RRC[note 21]-connecté » et « RRC-veille »[65],[66]. Le smartphone transite de l'état « RRC-veille » vers l'état « RRC-connecté » lorsqu'il y a une réception ou émission de données[67]. Après le dernier paquet transféré, la temporisation d'inactivité s'enclenche. Le smartphone retourne à l'état « RRC-veille » lorsque la temporisation d'inactivité du smartphone est écoulée[68]. Chaque changement d'état consomme de l'énergie[65].

La réception discontinue (en)
C'est un mécanisme d'économie d'énergie qui consiste à mettre en œuvre des temporisations, entre deux transferts de données, qui permettent de mettre l'interface radio dans un état de « micro sommeil »[69]. Dans l'état « RRC-connecté », le terminal peut-être dans le mode « réception continue », « réception discontinue courte » ou « réception discontinue longue » alors qu'à l'état « RRC-veille » il peut uniquement être en mode « réception discontinue »[67]. Lorsqu'il n'y a plus de réception de paquets depuis un temps donné, l'interface entre dans une période de « micro sommeil », puis va périodiquement se « réveiller » afin de vérifier qu'il n'y ait pas de nouveaux paquets en réception[66].

Le coût d'activation de la carte 4G est élevé[64], cela s'explique par le fait que plus la taille des transferts est importante, plus le réseau 4G devient économe en consommation d'énergie[70]. Cependant, l'interface LTE consomme beaucoup d'énergie, à cause du phénomène de l'état de « queue » qui est particulièrement élevé (de 32,2 % à 62,2 % de la consommation totale)[64].

Lorsque le smartphone est à l'état inactif, la puissance de l'interface GSM[note 22] est importante, consommant environ 45 % de la puissance globale (environ 30 mW[note 12])[24]. Contrairement à la 3G, l'énergie à l'état de « queue » ne représente que 30 % de l'énergie de transfert. L'énergie de début de transfert reste faible. L'interface GSM s'expose à une petite quantité énergie de maintenance, entre 2 et 3 joules par minute pour garder l'interface éveillée. C'est plutôt la taille des données qui domine la consommation d'énergie que les temps d'inter-transfert[62]. L’interface GSM a une consommation d'énergie relativement uniforme, malgré un débit qui est variable[37].

Il apparaît également que le réseau Edge consomme plus d'énergie en émission qu'en réception. Cette différence s'accroît considérablement lorsque la bande passante augmente (mesures effectuées à partir d'un smartphone « ZTE V880 »)[71].

Systèmes de localisation

[modifier | modifier le code]
Le GPS[note 3]
C'est le système de localisation le plus répandu[72]. Mais il présente pourtant trois désavantages principaux : le temps nécessaire à l'obtention de la première localisation peut être important[72], il ne peut être utilisé qu'à l'extérieur[28],[72],[73] et il consomme beaucoup d'énergie[74],[72]. Sur le smartphone Samsung Galaxy S III le GPS consomme 386 mW lors de l'acquisition du signal, puis 433 mW[75]. En contrepartie le GPS est disponible dans les zones rurales dans lesquelles le réseau n'est pas disponible et il est également très précis[72],[74].
Système de localisation basé sur le Wi-Fi (en)
Ce système utilise l'adresse MAC de la borne Wi-Fi à laquelle le smartphone est connecté. Il obtient la correspondance entre l'adresse MAC et le positionnement de la borne Wi-Fi grâce à une base de données. La précision de cette méthode est bonne en milieu urbain avec beaucoup de bornes Wi-Fi, mais ne peut pas déterminer la position dans les zones rurales où la densité de celles-ci est bien moindre[72]. La consommation de cette méthode dépend de la fréquence de recherche des bornes Wi-Fi[26].
Système de localisation basé sur le réseau cellulaire
Comme pour le système basé sur le Wi-Fi, ce système se base sur un identifiant unique de la tour de téléphonie cellulaire. Il est créé à partir du code de téléphonie mobile du pays, du code du réseau cellulaire, de l'identifiant et de l'identifiant de localisation de la tour. À l'aide de cet identifiant unique un téléphone mobile peut retrouver la localisation, de la tour à laquelle il est connecté, via une base de données[72].

Le GPS est le système de localisation le plus consommateur d'énergie[76]. Pour mettre en évidence la différence de consommation d'énergie de ces trois méthodes, des tests ont été réalisés à partir d'un smartphone Nokia N95 qui effectue une localisation toutes les 30 secondes avec, au départ, une batterie chargée à 100 %. Il apparaît qu'avec le système GPS la batterie est déchargée au bout de 9 heures, au bout de 40 heures avec le système Wi-Fi et au bout de 60 heures avec le système basé sur le réseau cellulaire[77].

Bogues d'énergie matériels

[modifier | modifier le code]

Les bogues qui influent sur la durée de vie de la batterie dans les smartphones ont été identifiés comme « bogues d'énergie »[78], appelés aussi « ebug »[79].

A. Pathak a réalisé une classification des bogues d’énergie en exploitant 39 000 messages laissés sur quatre forums en ligne. Le résultat illustre la diversité de leurs symptômes et les causes des bogues d’énergie[79]. Voici le résultat de son classement pour les bogues d’énergie matériels :

Batterie
15,71 % des messages font l'état d'un épuisement anormal de l’énergie due à une batterie défectueuse. Les messages ont indiqué plusieurs raisons : chargeur endommagé, batterie usagée, dégâts des eaux. Outre le fait que la batterie pourrait être endommagée, il a été observé que, dans certains cas, le smartphone affiche des statistiques de charge incorrectes. Par exemple, un smartphone affiche une batterie chargée à cent pour cent alors qu'elle n'est qu'à trente pour cent de charge. Les problèmes de batterie défectueuse sont résolus soit par le remplacement d'une nouvelle batterie, soit par l'achat d'un nouveau téléphone. Dans certains cas une procédure appelée « étalonnage de la batterie » peut suffire[80],[81].
Carte SIM[note 23]
0,43 % des messages montre que la carte SIM du téléphone peut également causer une perte d’énergie de multiples façons. Une vieille carte SIM peut être endommagée et conduire à de mauvais contacts, ce qui provoque une perte d’énergie. De plus les différentes cartes SIM fonctionnent sur différentes tensions (5 V, 3 V, 1,8 V). Un décalage dans la génération de la tension pourrait déclencher une décharge de la batterie. Pour finir, l'utilisation de micro SIM dans les téléphones les plus récents (par exemple, iPhone) oblige des utilisateurs à «couper» leur SIM normale, ce qui peut endommager la carte SIM et court-circuiter les broches ce qui entraîne une perte d’énergie[81].
Carte SD[note 5]
Une carte SD externe peut être le déclencheur de perte d'énergie. Plus précisément, une carte SD corrompue peut perturber des applications qui tentent à plusieurs reprises d'accéder au matériel[81].
Dommages extérieurs
Les dommages extérieurs au matériel périphérique mobile peuvent également entraîner une baisse inexpliquée de l’énergie d'un smartphone. Par exemple, 1,23 % des messages indiquent qu'une usure des boutons du téléphone a rendu le bouton « écran d’accueil » hypersensible. Cela a abouti à un déverrouillage aléatoire du mobile et donc à l'allumage du rétro-éclairage et l'activation de la CPU à plusieurs reprises, consommant de l’énergie[82].
Matériels externes
4,65 % des messages attribuent le problème d’énergie à un matériel externe. Parmi ceux-ci, les chargeurs de téléphone inappropriés ont été signalés comme la plus grande source (4,12 % des messages). Chargeurs mural, chargeurs USB[note 24], et les chargeurs de voiture ne chargent que partiellement le téléphone et chauffent considérablement le dispositif. Les composants externes tels que les haut-parleurs pour la musique et les claviers ont été signalés comme des sources de perte d’énergie. Ces matériels externes contiennent généralement leur propre source d'alimentation, mais il a été observé qu'ils pouvaient consommer la puissance de l'appareil auxquels ils sont connectés. Par exemple, l'Eee-pad perd rapidement de l'énergie lorsqu'il est connecté à un clavier externe[82].

Sources de consommation logicielles

[modifier | modifier le code]
[modifier | modifier le code]

Beaucoup de sites populaires fournissent une version mobile, optimisée pour écran de petite taille. Du fait de la méconnaissance de la consommation d'énergie par le Navigateur web, le code de nombreux sites n'est pas optimisé et oblige le navigateur à utiliser plus de puissance que nécessaire[83]. De plus les contenus Web dynamiques comme JavaScript et Flash sont largement utilisés dans de nombreux sites. Bien que les ordinateurs de bureau puissent facilement manipuler ces contenus web dynamiques, leur exécution est consommatrice de temps et d’énergie[84]. Par exemple, simplement en optimisant le code Javascript de la page Wikipédia pour mobile, une économie d'énergie de 35 joules à 25 joules peut être réalisée, soit une économie de 29 %[83]. De plus, la consommation d'énergie des navigateurs mobiles varie pendant le chargement des mêmes pages et images. Des bannières publicitaires peuvent augmenter la consommation d'énergie des navigateurs[85].

Côté connectivité, le réseau Wi-Fi est environ quatre fois plus efficace que la 3G[36]. En effet, pour une lecture de trois articles sur le site mobile de BBC News pendant 180 secondes, la navigation web consomme 1275 mW via le Wi-Fi et 1479 mW via la 3G[note 11],[86]. Cela correspond à une réduction de 20 % de l'énergie totale[36]. Cette différence s'explique uniquement par le coût énergétique de l'interface radio 3G[86]. Cependant, le coût de maintien d'une connexion de données utilisée est plus faible dans le cas 3G (≈ 10 mW) que dans le cas du Wi-Fi (50 mW)[note 11],[36].

Appels vocaux

[modifier | modifier le code]
Comparaison de la consommation de puissance d'un smartphone Nokia N95 en fonction de différents usages entre un réseau 2G et 3G[33].
Usage 2G 3G
Réception de données[note 25] 500 mW 1 400 mW
Transfert de données 1 389 mW 591 mW
Émission d'un appel durant 5 minutes 683,6 mW 1 265,7 mW
Réception d'un appel durant 5 minutes 612,7 mW 1 224,3 mW
Veille [Combien ?] 15,1 mW 25,3 mW
Envoi d'un SMS de 100 octets 1,72 mW 2,24 mW
Envoi d'un SMS de 150 octets 2,35 mW 3,22 mW
Envoi d'un SMS de 200 octets 2,52 mW 3,42 mW
Envoi d'un SMS de 250 octets 2,64 mW 3,56 mW
Envoi d'un SMS de 300 octets 3,15 mW 4,22 mW

Émettre un appel vocal via le réseau GSM[note 22] consomme en moyenne 800 mW[note 12]. Cette valeur élevée est en partie due au rétroéclairage du smartphone. Cependant, une désactivation du rétroéclairage, comme Android le propose, permet d'économiser jusqu'à 40 % de puissance[87]. De plus, réaliser et recevoir un appel par le GSM consomme respectivement 46 % et 50 % moins d'énergie que l'utilisation de l'UMTS. Puis lorsque le smartphone est à l'état inactif, être connecté à un réseau GSM coûte 41 % de moins en énergie qu’être relié à l'UMTS. C'est la raison principale pour laquelle les utilisateurs de smartphone 3G, ayant comme seul intérêt de passer des appels téléphoniques devraient désactiver la technologie 3G[88].

Lors de la rédaction d'un SMS, la puissance consommée est dominée par l'affichage[87]. La consommation d'énergie lors de l'envoi d'un SMS augmente linéairement avec la longueur du message[88]. Il est aussi à noter qu'en raison niveau d'une puissance plus élevée de l'interface radio 3G[89], l'envoi d'un SMS en utilisant la 3G est toujours plus consommateur d'énergie que l'utilisation de GSM[88].

Transferts de données

[modifier | modifier le code]

Pour télécharger des fichiers, le réseau GSM consomme 40 à 70 % d'énergie en moins que le réseau 3G. En effet, la puissance de l'interface radio de la 3G est plus élevée que celle du GSM. De plus, le phénomène d'état de « queue » est beaucoup plus présent sur la 3G. Par exemple, l'état de « queue » pour le GSM est d'environ 6 secondes, beaucoup plus faible que les 12,5 secondes fixées pour la 3G[89]. L'utilisation du réseau Wi-Fi reste plus économe que l'utilisation du GSM[55], surtout pour des transferts de données supérieurs à 100 ko, car le coût d'association à une borne borne Wi-Fi est élevé[54]. En effet, le coût énergétique de l'association du smartphone à une borne Wi-Fi est comparable au coût énergétique de l'état de « queue » de la 3G[90]. De plus, comme le réseau GSM est payant et que le réseau Wi-Fi est gratuit, ce dernier devrait être le réseau de prédilection pour le transfert de données[26]. Malheureusement les réseaux Wi-Fi sont loin d'être aussi répandus, et donc accessible que le réseau GSM/EDGE[91].

Multimédia

[modifier | modifier le code]

Les applications en streaming, telles que YouTube, Dailymotion ou Vimeo[92], sont aujourd'hui extrêmement populaires mais font partie des applications les plus consommatrices d'énergie. La communication réseau (le téléchargement), le décodage et l'affichage sont les trois actions les plus consommatrices d'énergie[93],[94]. Les services de streaming reposent majoritairement sur le protocole HTTP via TCP.

La lecture en streaming se décompose en deux parties, le démarrage rapide durant lequel le serveur de streaming transmet des données au lecteur à un débit supérieur à celui du reste de la lecture. Ces données sont stockées dans la mémoire tampon du lecteur. Pour la suite de la lecture plusieurs techniques sont possibles[95].

Mise en cache rapide
C'est le fait de télécharger complètement le fichier[95]. Cette méthode, utilisée par le lecteur YouTube HTML5 embarqué dans navigateurs, est la plus économe en consommation d'énergie[96],[95]. De cette manière les interfaces réseau seront dans un état de basse consommation d'énergie pendant la lecture. Néanmoins si le fichier n'est pas lu dans sa totalité, des données auront été téléchargées inutilement. Il en résulte un gaspillage d'énergie[66],[92].
Taux d'encodage
Le serveur tente d'envoyer plus de données que le lecteur ne peut en stocker dans sa mémoire tampon. Ensuite le contrôle de flux TCP autorise le serveur à transmettre le reste des données au débit auquel le lecteur les lit. Cette technique, utilisée par le lecteur YouTube flash player haute définition embarqué dans les navigateurs[95] est la plus énergivore. En effet l'interface réseau est active plus longtemps car le débit est inférieur au débit maximum et l'intervalle de temps entre deux paquets n'est pas suffisant pour que l'interface passe à l'état inactif[92].
Étranglement
Le serveur transfère les données avec un débit moindre que pour le transfert en vrac, mais avec un débit plus élevé que pour le « taux d'encodage ». Le débit demandé par le lecteur est précisé dans la requête HTTP. Le débit pour le lecteur YouTube flash player du navigateur du smartphone Samsung Galaxy S III est 1,25 fois le débit du « taux d'encodage ». Cette technique, utilisée par le lecteur YouTube flash player standard et basse définitions embarqué dans les navigateurs[95] effectue la lecture plus rapidement que la technique « taux d'encodage ». Mais comme la technique « taux d'encodage », elle gaspille de l'énergie car le débit est inférieur au débit maximum[92].
Arret-Démarrage-M
Le lecteur (client) ouvre une nouvelle connexion TCP et envoie une nouvelle requête HTTP pour chaque « démarrage ». Après avoir réceptionné une quantité de données le lecteur clos la connexion. Cette technique utilisée par le lecteur YouTube natif[95] gaspille de l'énergie, notamment en 3G et en 4G car l'interface réseau se retrouve dans un état de « queue » après chaque transfert[92].
Arrêt-Démarrage-S
Le lecteur (client) utilise une connexion TCP persistante. Il arrête simplement la lecture lors d'une période d'« arrêt ». Pendant cette période d'« arrêt » des messages de contrôle de flux TCP sont échangés entre le serveur et le lecteur. C'est le lecteur qui provoque la prochaine « période de démarrage ». Cette technique, utilisée par les lecteurs Dailymotion et Vimeo consomme beaucoup d'énergie car la connexion est persistante. L'interface réseau est donc à l'état actif en permanence[95].

Les jeux qui s'appuient sur des graphiques 3D, sont parmi les applications les plus populaires sur les smartphones[14]. Mais, en raison du grand volume de calcul graphique sur le processeur et la GPU[note 13] et de l'exigence de la qualité d'affichage, les jeux vidéo font partie des types d'applications pour smartphone consommant le plus d'énergie[97],[14]. La contribution de la CPU à la consommation d'énergie totale peut aller jusqu'à 40 %[97]. C'est l'étape des calculs de géométrie, où le processeur calcule les attributs de vertex et les positions au sein d'une scène 3D, qui utilise la plus grande partie de la puissance et de temps de calcul, consommant plus de 40 % de temps de calcul et plus de 35 % de la puissance totale[98]. De plus, certains jeux vidéo nécessitent une interaction de l'utilisateur qui implique l'utilisation fréquente des différents capteurs, par exemple, les détecteurs d'inclinaison ou de déplacement des doigts sur l'écran tactile, influant sur la consommation d'énergie[97].

Publicités et programmes tiers

[modifier | modifier le code]

Un grand nombre d'applications sont inutilement avides d’énergie[99]. En effet, la plupart de l'énergie d'une application est passée dans l'accès aux composants d'entrées-sorties. La CPU consomme une petite fraction de l'énergie de l'application, dont la plus grande part est utilisée dans la construction de l'interface graphique de l'application[100]. Une étude montre même que 65 % à 75 % de l'énergie dans les applications gratuites sont dépensés dans des modules de publicité tiers, comme dans Angry Birds, ou seule 20 % de la consommation totale d'énergie a été utilisée pour réellement jouer au jeu lui-même[100]. L'exécution d'une application populaire, sur une durée de trente secondes, peut activer 29 à 47 processus fils, dont beaucoup sont des programmes tiers. La complexité de ces applications est de taille. L'exécution d'environ 30 secondes de ces applications consomme de 0,35 % à 0,75 % d'une charge complète de la batterie, un taux qui pourrait vider l'ensemble de la batterie en quelques heures[101]

Consommation d’énergie de cinq applications populaires[102]
Application Durée Nombre threads % batterie Principale cause de perte d'énergie
Navigateur Android 30 s 34 0,35 % 38 % pour les requêtes et réponse HTTP et 16 % dû à un outil de traqueur d'utilisateur
Angry Birds 28 s 47 0,37 % 45 % dû à un outil de traqueur d'utilisateur
Fchess 33 s 37 0,60 % 50 % dû à la publicité
nytimes 41 s 29 0,75 % 65 % pour la construction de la base de données et 15 % dû à un outil de traqueur d'utilisateur
mapquest 29 s 43 0,60 % 27 % pour le rendu du navigateur, 20 % sur le téléchargement de la carte

Localisation

[modifier | modifier le code]

Les applications basées sur la localisation, telles que « trafic en temps réel », Facebook ou Myspace[103], sont utilisées pour être en contact permanent avec les réseaux sociaux, pour les besoins professionnels ou encore pour le divertissement[104]. Ces applications, qui nécessitent des localisations en temps réel, consomment beaucoup d'énergie[74]. Cette énergie est en partie consommée par des rafraîchissements inutiles de la localisation. En effet, dans certains cas, comme lorsque le téléphone est statique ou que le signal GPS ou réseau cellulaire n'est pas disponible, les requêtes de localisation sont tout de même exécutées alors qu'elles sont infructueuses. Un autre cas est l'exécution simultanée de plusieurs applications basées sur la localisation. Celles-ci invoquent des rafraîchissements de localisation de manière indépendante au lieu de se synchroniser[105].

Les deux paramètres qui influent sur la consommation d'énergie sont l'intervalle de temps et l'intervalle de distance qui produisent le rafraîchissement de la localisation. Les applications peuvent décider d'augmenter ces intervalles afin de réduire la consommation d'énergie, quand la batterie est faible par exemple. Ceci peut se traduire par le paramétrage du rafraîchissement toutes les minutes ou tous les 20 mètres plutôt que toutes les 30 secondes et tous les 10 mètres[105].

Bogues d'énergie logiciels

[modifier | modifier le code]

Pour conserver au maximum l'énergie de la batterie[106], la politique de gestion de l'alimentation par défaut d'un smartphone est que chaque composant, y compris la CPU, reste éteint ou dans un état de repos, à moins que l'application indique explicitement au système d'exploitation de rester actif[107]. Par exemple, Android, IOS et Windows Mobile[107] mettent en œuvre un système agressif qui suspend l'ensemble du système après une brève période d'inactivité de l'utilisateur. C'est aux développeurs d'applications qu'incombe la responsabilité de maintenir ou non le système éveillé[106]. Pour cela les applications utilisent des « verrous de sommeil »[note 26] pour s'assurer que les composants restent éveillés indépendamment des activités des utilisateurs[9]. Les applications peuvent alors mener des activités d'information périodiques comme les notifications[82]. Une mauvaise gestion de ces « verrous de sommeil » dans le code des applications donne inévitablement lieu à des bugs d'énergie, qui contribuent de façon significative à des pertes d’énergie[106].

Classification des principaux bogues d’énergies logiciels :

le « bogue sans sommeil »[note 27]
Le « bogue sans sommeil » est une situation où une application positionne un verrou pour un composant, mais qui ne le libère pas, même après que le travail soit terminé[82]. Ils résultent d'une mauvaise manipulation dans le codage de l'application des API[note 28] de contrôle de puissance[108]. L'impact d'un « bogue sans sommeil » peut être sévère et causer une perte d’énergie de 10 à 25 % par heure sans aucune intervention de l'utilisateur[note 29],[109]. Le « bogue sans sommeil » a été observé dans de nombreuses applications populaires comme Facebook, Google latitude, Google Calendar, services de messagerie ou encore des widgets[note 30],[82].
le « bogue de boucle »[note 31]
Le « bogue de boucle » est une situation où une application tente d'effectuer des tâches inutiles de façon périodiques. Plusieurs « bogues de boucle » sont déclenchés quand l'application n'est pas capable de gérer les événements externes imprévus, comme une panne d'un serveur distant ou le changement de mot de passe d'un compte de messagerie. L'application va tenter à plusieurs reprises de se connecter au serveur distant, ou de s'authentifier au serveur de messagerie. Ce comportement traduit une consommation d'énergie non voulue[110],[111].
Les bogues du système d'exploitation
Les mises à jour du système d'exploitation, voulues ou non, représentent un grand nombre de plaintes clients. Par exemple, de nombreux utilisateurs d'iPhone ont signalé une baisse soudaine de la vie de la batterie de 100 heures en veille à 6 heures en veille en raison des nouvelles fuites d'énergie dans iOS 5 d'Apple[112]. Les utilisateurs d'Android ont également rencontrés ce type de problème sur différents types de dispositifs[113],[114]. Mais les bogues d’énergie liés aux systèmes d'exploitation, sont difficiles à identifier en raison des systèmes mobiles propriétaires[82].

Mécanismes de surveillance de la consommation d'énergie

[modifier | modifier le code]

Être capable de créer un modèle de consommation d'énergie est crucial pour une meilleure compréhension, conception et mise en œuvre des logiciels[115]. Il existe deux méthodes pour mesurer et comprendre comment l'énergie est consommée sur les smartphones : La mesure de la puissance et de la modélisation de puissance. Ces deux méthodes sont complémentaires[116] et doivent être suffisamment calibrées pour ne pas avoir d'incidence sur la validité des résultats[115].

Mesure de la puissance

[modifier | modifier le code]

La mesure de la puissance a pour objectif d'établir une mesure précise de la puissance consommée[116]. Il existe deux méthodes principales pour mesurer la puissance au niveau système. Tout d'abord, obtenir des informations de la batterie dont la tension et le courant directement par les interfaces de programmation d'application (API)[117] ou à partir du logiciel de profilage de l'énergie. Cette méthode est plus facile à mettre en œuvre[118]. Ou, une méthode plus précise, en prenant des mesures de puissance physique au niveau des composants[119]. Le choix de la méthode dépend de la disponibilité d'instruments et des exigences de la mesure de puissance[118].

Présentation des techniques de modélisation de puissance[120]

Modélisation de puissance

[modifier | modifier le code]

La modélisation de la puissance permet de décrire la façon dont l'énergie est consommée en utilisant des modèles mathématiques. D'un point de vue du logiciel, chaque composant matériel a plusieurs modes de fonctionnement, correspondant à des activités et des capacités de traitement différentes. Compte tenu d'un mode de fonctionnement, il est possible de dériver la consommation d'énergie de la composante matérielle et donc de construire son modèle[18]. Il existe deux ensembles de méthodes pour établir la modélisation :

Méthodes déterministes
L'idée est d'estimer la puissance consommée par les composants matériels sur la base de leur activité[120]. Plusieurs chercheurs ont créé des outils de profilage, qui permettent d'établir le profil de performance des applications, d’efficacité énergétique, et / ou impact sur le réseau[121]. Par exemple, l'outil Eprof[note 32], permet de tracer et comptabiliser l’énergie de chaque appel système[122].
Méthodes statistiques
Les méthodes statistiques ont pour but de trouver une relation entre la consommation de puissance et des variables de modèle basé sur des modèles statistiques comme la régression linéaire[120]. L'idée générale est de trouver la relation entre les statistiques du système collectées et la consommation d'énergie[22].Par exemple, l'outil Sésame permet d'établir une corrélation entre la consommation d'énergie et les statistiques systèmes[123], ou l'outil ARO[note 33] qui se compose d'un collecteur de données et d'analyseurs inter-couches[124].

Axes d'amélioration

[modifier | modifier le code]

Les batteries lithium-ion sont très populaires pour les systèmes embarqués mobiles en raison du bon rapport énergie/poids, de leurs longues durées de vie, et leur faible auto-décharge[125]. De plus, selon M.Kim, la consommation de la batterie est plus élevée que la consommation d'énergie du smartphone seul. Il y a une différence substantielle (+27,6 % dans le pire des cas, 9,0 % en moyenne) entre la consommation de la batterie et la consommation d'énergie du smartphone à cause de pertes dans la batterie. Les futures recherches d'économie d'énergie sur les batteries devraient, selon lui, être plus orientées sur la consommation de l'ensemble "batterie + smartphone" plutôt que sur la consommation d'énergie du smartphone seul[126]. D'autres pistes sont étudiées. Certains chercheurs, de l'université de Stanford, utilisent les nanotechnologies pour concevoir des batteries capables de produire dix fois la quantité d'électricité des batteries lithium-ion actuelles[16],[127]. D'autres chercheurs tentent d'exploiter les mouvements de l'utilisateur afin de recharger la batterie du téléphone, mais ils n'en sont qu'au stade initial[16],[128].

De la même manière les constructeurs ne proposent pas de réelles innovations pour améliorer la performance de leur batterie mais avec des réglages et des bonnes astuces, il est possible d'augmenter les capacités d'autonomie des smartphones[129].

En augmentant l'épaisseur des smartphones, il devient possible de faire des batteries plus épaisses et donc plus lourdes. Ce qui a pour effet d'augmenter l'autonomie.

La batterie amovible de l'ordiphone permet d'augmenter rapidement l'autonomie.

Conception des applications et systèmes d'exploitation

[modifier | modifier le code]

Les concepteurs d'applications sont incités à développer des logiciels pour les smartphones en prenant en compte l'efficacité énergétique. Leur principal obstacle est la difficulté de déterminer l'impact des décisions de conception de logiciels sur la consommation d'énergie du système[99]. Du point de vue de l'informatique mobile, les développeurs de systèmes d'exploitation doivent être conscients de l'impact important du code sur la consommation d'énergie en raison de la CPU[41].

Optimiser la gestion des interfaces réseaux

[modifier | modifier le code]

L'un des objectifs est de garder les interfaces réseaux à un niveau faible de puissance car pendant l'état inactif, il n'y a pas les mêmes exigences de performance que lorsqu'un utilisateur utilise activement le smartphone[130]. Réduire la consommation d'énergie à l'état de repos doit être une priorité pour améliorer la durée de vie de la batterie (en moyenne, le téléphone est à l'état inactif 89 % du temps, et cela représente 46,3 % de la consommation totale du système)[41]. Par conséquent, réduire les niveaux de puissance des interfaces pendant l'activité du réseau, si les modules d'entrées-sorties sont éteints, peut augmenter l'efficacité énergétique d'un smartphone[130]. De plus, il est important de regrouper les phases d'activité d'accès au réseau autant que possible, bien qu'elles doivent rester dans un ordre séquentiel, ceci afin d'obtenir des périodes plus longues d'inactivité[130] et de réduire le phénomène d'état de queue[131].

Cloud computing

[modifier | modifier le code]

À l'ère du cloud computing, la consommation d'énergie d'un smartphone peut être diminuée de manière efficace, en le déchargeant des tâches lourdes et en les déportant vers le cloud[132]. En effet avec cette solution, les processus informatiques complexes, et le stockage de données sont déployés hors du téléphone, dans une infrastructure informatique plus puissante et plus efficace[133]. Par exemple, l'encodage vidéo nécessite un traitement lourd qui draine la batterie du smartphone si elle est faite sur le processeur du smartphone[134]. Le cloud computing peut donc potentiellement permettre d'économiser de l'énergie, même si toutes les applications ne doivent pas être migrées vers le Cloud[135]. Le déport d'une application dans le Cloud n'est bénéfique que lorsque cette application est consommatrice en puissance de calcul et demande peu d'interactions avec les interfaces réseaux[136], car la majorité de la consommation d'énergie pour les applications déportées est due à la transmission des données[137].

Informations sur l'usage

[modifier | modifier le code]

Il existe des paramètres dans les systèmes d'exploitation des smartphones, par exemple sous Android, qui limitent le nombre d'applications d'arrière-plan en cours d'exécution. Cependant, toutes les applications ne réduisent pas l'efficacité énergétique d'un smartphone. Par conséquent, au lieu de limiter le nombre d'applications, il devrait y avoir une information sur les applications et les types d'accès réseau moins consommateurs en énergie. Ainsi, l'utilisateur pourrait agir en conséquence[130]. De plus les téléphones mobiles fournissent des interfaces utilisateur permettant de faire des compromis entre la durée de vie de la batterie et la facilité d'utilisation, tels que la luminosité de l'écran[138], mais la plupart des utilisateurs n'utilisent pas les niveaux de luminosité multiples. Un réglage automatique de la luminosité doit être inclus dans les smartphones[41]. Les interfaces utilisateurs permettent également aux utilisateurs de désactiver les composants énergivores du système, tels que les interfaces Bluetooth et Wi-Fi, afin d'économiser l'énergie[138].

Aspect sociétal

[modifier | modifier le code]

Alors que les besoins annuels en électricité pour la charge d'un seul smartphone sont négligeables, il ne faut pas négliger la consommation induite par leur multiplication[139]. Fin 2013, plus de 1 milliard de personnes possédaient un smartphone[2]. En 2011, les fabricants ont vendu plus de smartphones que de PC[140]. Leur consommation collective d'électricité prend donc une importance plus grande[139].

Le téléphone consomme l'énergie stockée dans sa batterie[140]. Le problème vient de la nécessité de recharger les batteries en utilisant une prise du réseau électrique ou une autre source d'énergie électrique. L'un des problèmes fondamentaux est le rendement de la conversion de l'énergie à partir du réseau de distribution électrique pour fournir un travail utile. En d'autres termes, déterminer le nombre de joules d'énergie issus du réseau électrique pour produire un joule de travail lors de l'utilisation de l'appareil[141]. Par exemple, la consommation énergétique annuelle d'un abonné est estimée à 2,34 kWh. Cela équivaut à 39 heures de fonctionnement d'une ampoule de 60 watts ou encore à l'énergie utilisée par une voiture pour parcourir 8 km[142].

Une consommation d'énergie élevée, déterminée par la capacité de la batterie, les actions de l'utilisateur, l'efficacité énergétique du matériel et des logiciels du téléphone conduit à des besoins de recharges fréquentes, et donc à une plus grande consommation d'énergie à partir du réseau électrique[140]. La plus grosse part de la consommation énergétique vient de la charge du téléphone. Le chargeur, une fois branché sur une prise électrique, consomme de l'énergie, téléphone relié ou non[140]. En effet, en raison des pertes de conversion et de stockage de l'électricité, seulement une partie de l'énergie prélevée sur le réseau électrique produit un travail utile dans le dispositif mobile fonctionnant sur batterie, le reste se dissipe sous forme de chaleur[141]. La recharge de la batterie ne consomme que 40 % de l'énergie totale consommée, par contre 55 % est perdue à cause du branchement inutile du chargeur, les 5 % restants correspondent à une durée de charge trop longue du téléphone[143].

Il y a trois axes d'améliorations possibles :

  • Améliorer l'efficacité énergétique du chargeur[141] ;
  • Sensibiliser les utilisateurs à la bonne utilisation de la charge de son téléphone[143] ;
  • Informer les utilisateurs sur la consommation énergétique des applications disponibles[130].

Influencer le comportement de l'utilisateur (par exemple, en incitant les utilisateurs à débrancher les chargeurs) est susceptible d'être moins efficace que des améliorations techniques car la consommation d'électricité du processus de recharge ne présente pas un intérêt immédiat pour l'utilisateur final[143]. Cependant, certains fournisseurs de téléphones tentent d'influencer le comportement de l'utilisateur avec des alertes qui suggèrent à l'utilisateur de débrancher le chargeur lorsque la recharge est terminée[140].

Mais, une étude de Opower montre que la question de l'impact de la consommation d’énergie des smartphones sur la consommation d'énergie globale[144] est plus complexe. En effet, les habitudes des consommateurs changent, ils utilisent les smartphones pour faire des choses qu'ils faisaient auparavant sur des ordinateurs, téléviseurs et consoles de jeux. Par exemple, en mars 2012, les utilisateurs américains accèdent au site Facebook majoritairement avec leur smartphone. Depuis 2011, le visionnage de contenus vidéo premium a augmenté sur les tablettes et les smartphones, tandis que les ordinateurs personnels accusent une baisse marquée. Autre fait, les smartphones et tablettes utilisent beaucoup moins d'énergie que les appareils plus gros (par exemple les PC). Lorsque l'on compare la consommation d'électricité des smartphones aux besoins des appareils électriques plus volumineux historiquement utilisés pour la connectivité et le divertissement, les résultats montrent que les économies sont substantielles[139].

Notes et références

[modifier | modifier le code]
  1. WLAN pour Wireless Local Area Network qui pourrait être traduit par réseau local sans fil
  2. a et b 3D pour Trois Dimensions
  3. a b c et d GPS pour Global Positioning System qui pourrait être traduit par système de localisation mondial
  4. SMS pour Short Messaging Service qui pourrait être traduit par Service de Message Court
  5. a b c et d SD pour Secure Digital qui pourrait être traduit par numérique sécurisée
  6. mesures effectuées à partir d'un i-mate K-JAM équipé d'une batterie « Lithium Polymer 1250mAh », de 128 Mo de mémoire, d'un processeur « 195 MHz OMAP processor » et d'un système d'exploitation « Windows Mobile 5.0 »
  7. a et b CPU pour Central Processing Unit qui pourrait être traduit par Unité centrale de traitement
  8. a et b LCD pour Liquid Crystal Display qui pourrait être traduit par Écran à cristaux liquides
  9. mesures effectuées à partir d'un G1 Android Developer Phone 1 équipé d'une batterie « Lithium Polymer 1150 mAh», d'un processeur « 528 MHz ARM 11 » et d'un système d'exploitation « Android 1.0 SDK »
  10. RAM pour Random Access Memory qui pourrait être traduit par mémoire à accès direct
  11. a b c et d mesures effectuées à partir d'un Samsung Galaxy S III GTI9300 (S3) équipé d'un processeur graphique « ARM Mali-400 MP », d'un système sur une puce « Samsung Exynos 4412 », d'un processeur « ARM Cortex-A9 quad-core, 1,4 GHz », d'un écran « Super AMOLED, 4.8”, 720×1280 », d'une batterie « 2 100 mAh » et d'une mémoire vive d'« 1 Go LP-DDR2 »
  12. a b c et d mesures effectuées à partir d'un Neo FreeRunner équipé d'une batterie « Lithium Polymer 1 200 mAh », d'un processeur « ARM920T à 400 MHz », d'une mémoire 128 Mo SDRAM, d'une carte graphique Smedia Glamo 3362 et d'un système d'exploitation « Openmoko »
  13. a et b GPU pour Graphics Processing Unit qui pourrait être traduit par processeur graphique
  14. LOD pour Level of Detail qui pourrait être traduit par le niveau de détail
  15. 2D pour Deux Dimensions
  16. AMOLED pour Active-Matrix Organic Light-Emitting Diode qui pourrait être traduit par matrice active à diodes électroluminescentes organiques
  17. a et b DCH pour Dedicated Channel qui pourrait être traduit par canal dédié
  18. a et b FACH pour Forward Access Channel qui pourrait être traduit par canal d'accès vers l'avant
  19. PCH pour Paging Channel qui pourrait être traduit par canal de pagination
  20. Mesures effectuées à partir d'un HTC équipé d'un processeur « 1 GHz Qualcomm MSM8655 », d'interfaces 3G, Wi-FI et 4G et d'une mémoire vive de 768 Mo
  21. RRC pour Radio Resource Control (en) qui pourrait être traduit par contrôle de ressources radios
  22. a et b GSM pour Global System for Mobile Communications qui pourrait être traduit par système mondial de communications mobiles
  23. SIM pour Subscriber Identity Module qui pourrait être traduit par module d'identité d'abonné
  24. USB pour Universal Serial Bus qui pourrait être traduit par Bus universel série
  25. Téléchargement de 500 Ko de données avec une réception à 1 Mb/s pour la 3G et à 44 Kb/s pour la 2G
  26. verrous de sommeil traduit de l'anglais wakelock
  27. bogue sans sommeil traduit de l'anglais no-sleep bog
  28. API pour Application Programming Interface qui pourrait être traduit par interface de programmation
  29. Tests réalisés sur un HTC Nexus et HTC Magic avec le système d'exploitation Android
  30. Widget désigne le terme gadget
  31. bogue de boucle traduit de l'anglais loop bug
  32. Eprof pour Energy Profiler qui pourrait être traduit par profiler d'énergie
  33. ARO pour Application Resource Optimizer qui pourrait être traduit par optimisation des ressources applicatives

Références

[modifier | modifier le code]
  1. Pathak2011 2011, p. 1
  2. a et b businessinsider.com 2013, p. 1
  3. a et b Xia 2013, p. 1
  4. Iftode 2004, p. 88
  5. a et b Pathak 2011, p. 153
  6. Carroll 2010, p. 21
  7. Earl 2010, p. 25
  8. Anand 2007, p. 1986
  9. a b et c Pathak 2012, p. 29
  10. Albers 2010, p. 96
  11. a b c et d Xiao 2011, p. 116
  12. Ravi 2008, p. 224
  13. Chehimi 2006, p. 96
  14. a b et c Hosseini 2012, p. 1017
  15. a et b Mochocki 2006, p. 502
  16. a b et c Perrucci 2011, p. 1
  17. a b c et d Perrucci 2009, p. 21
  18. a b et c Xiao 2011, p. 24
  19. Xiao 2011, p. 25
  20. Zhongliang 2011, p. 2
  21. a et b Pathak 2012, p. 31
  22. a b c d e et f Shye 2009, p. 170
  23. a et b Shye 2009, p. 174
  24. a b c d et e Carroll 2010, p. 4
  25. a et b Pathak 2011, p. 155
  26. a b c d et e Anand 2007, p. 1989
  27. a et b Xia 2013, p. 4
  28. a b et c Xia 2013, p. 2
  29. Zhang 2012, p. 107
  30. Anand 2007, p. 1988
  31. a b c et d Shye 2009, p. 173
  32. Pathak 2012, p. 30
  33. a b c d et e Perrucci 2011, p. 2
  34. mobiledevices.kom.aau.dk 2011, p. 1
  35. a b c et d Carroll 2010, p. 11
  36. a b c et d Carroll 2013, p. 6
  37. a et b Carroll 2010, p. 6
  38. Zhang 2010, p. 107
  39. Capin 2008, p. 74
  40. a et b Carroll 2010, p. 5
  41. a b c et d Shye 2010, p. 376
  42. Capin 2008, p. 75
  43. Mochocki 2006, p. 504
  44. Carroll 2013, p. 3
  45. Chen 2013, p. 1
  46. Iftode 2004, p. 89
  47. a b c d et e Pering 2006, p. 222
  48. Pering 2006, p. 221
  49. a et b Pering 2006, p. 223
  50. Udoh 2011, p. 37
  51. a b c et d Perrucci 2011, p. 3
  52. a b c et d Wu 2009, p. 69
  53. a et b Balasubramanian 2009, p. 284
  54. a b et c Balasubramanian 2009, p. 281
  55. a et b Rahmati 2007, p. 170
  56. Lee 2004, p. 15
  57. Ukhanova 2012, p. 1696
  58. a b et c Zhang 2010, p. 109
  59. a b c d e et f Ukhanova 2012, p. 1697
  60. Lee 2004, p. 16
  61. Lee 2004, p. 22
  62. a et b Balasubramanian 2009, p. 283
  63. Khairy 2013, p. 329
  64. a b et c Huang 2012, p. 232
  65. a et b Deng 2012, p. 182
  66. a b et c Siekkinen 2013, p. 14
  67. a et b Huang 2012, p. 226
  68. Gupta 2013, p. 377
  69. Huang 2012, p. 227
  70. Huang 2012, p. 233
  71. Xia 2013, p. 5
  72. a b c d e f et g Bareth 2011, p. 517
  73. Wu 2009, p. 70
  74. a b et c Taylor 2011, p. 2006
  75. Carroll 2013, p. 5)
  76. Bareth 2011, p. 518
  77. Constandache 2009, p. 2717
  78. Zhang 2013, p. 25
  79. a et b Pathak 2011, p. 1
  80. http://wiki.smartphonefrance.info/ 2013, p. 1
  81. a b et c Pathak 2011, p. 2
  82. a b c d e et f Pathak 2011, p. 3
  83. a et b Thiagarajan 2012, p. 41
  84. Zhao 2011, p. 415
  85. Wilke 2013, p. 1179
  86. a et b Carroll 2013, p. 4)
  87. a et b Carroll 2010, p. 8
  88. a b et c Perrucci 2011, p. 4
  89. a et b Balasubramanian 2009, p. 285
  90. Balasubramanian 2009, p. 286
  91. Rahmati 2007, p. 171
  92. a b c d et e Hoque 2013, p. 379
  93. Siekkinen 2013, p. 17
  94. Hoque 2013, p. 14
  95. a b c d e f et g Hoque 2013, p. 378
  96. Hoque 2013, p. 16
  97. a b et c Chen 2013, p. 5
  98. Ma 2013, p. 80
  99. a et b Zhang 2010, p. 105
  100. a et b Pathak 2012, p. 39
  101. Pathak 2012, p. 36
  102. Pathak 2012, p. 37
  103. Wang 2009, p. 179
  104. Zhuang 2010, p. 315
  105. a et b Zhuang 2010, p. 317
  106. a b et c Jindal 2013, p. 253
  107. a et b Pathak 2012, p. 267
  108. Pathak 2012, p. 268
  109. Pathak 2012, p. 270
  110. Pathak 2011, p. 4
  111. Zhang 2013, p. 28
  112. www.huffingtonpost.com 2011, p. 1
  113. Zhang 2012, p. 363
  114. reviews.cnet.com 2011, p. 1
  115. a et b Murmuria 2012, p. 147
  116. a et b Xiao 2011, p. 23
  117. Dong 2011, p. 339
  118. a et b Xiao 2011, p. 26
  119. Carroll 2010, p. 2
  120. a b et c Xiao 2011, p. 27
  121. Metri 2012, p. 2
  122. Pathak 2011, p. 165
  123. Dong 2011, p. 335
  124. Qian 2011, p. 323
  125. Zhang 2010, p. 110
  126. Kim 2013, p. 5
  127. Stanford 2008, p. 1
  128. Donelan 2008, p. 807-810
  129. Smartphone Android : optimiser les performances de la batterie
  130. a b c d et e Metri 2012, p. 6
  131. Pathak 2012, p. 33
  132. Altamimi 2012, p. 764
  133. Perez-Torres 2012, p. 691
  134. Altamimi 2012, p. 769
  135. Kumar 2010, p. 56
  136. Kumar 2010, p. 52
  137. Kumar 2010, p. 51
  138. a et b Rahmati 2009, p. 467
  139. a b et c blog.opower.com 2012, p. 1
  140. a b c d et e Heikkinen 2012, p. 3194
  141. a b et c Ruutu 2013, p. 59
  142. Heikkinen 2012, p. 3197
  143. a b et c Heikkinen 2012, p. 3198
  144. « Comment Internet est-il devenu le 3ème consommateur d'électricité mondial ? », sur katchak-agency.fr, (consulté le )

Bibliographie

[modifier | modifier le code]

Document utilisé pour la rédaction de l’article : document utilisé comme source pour la rédaction de cet article.

  • (en) G.P. Perrucci, F.H.P. Fitzek et J. Widmer, « Survey on energy consumption entities on the smartphone platform », 2011 IEEE 73rd Vehicular Technology Conference (VTC Spring), Yokohama,‎ , p. 1 - 6 (ISBN 978-1-4244-8332-7, ISSN 1550-2252, DOI 10.1109/VETECS.2011.5956528)Document utilisé pour la rédaction de l’article
  • (en) G.P. Perrucci, F.H.P. Fitzek, J. Widmer, G. Sasso et W. Kellerer, « On the impact of 2G and 3G network usage for mobile phones' battery life », Wireless Conference, 2009. EW 2009. European, Aalborg,‎ , p. 255 - 259 (ISBN 978-1-4244-5935-3, ISSN 1550-2252, DOI 10.1109/EW.2009.5357972)Document utilisé pour la rédaction de l’article
  • (en) M. Kim, Y. Kim, C. Kim et S. Chung, « Battery consumption != Energy consumption: A Case study with a Smartphone », IEEE Computer Society, vol. PP, no 99,‎ , p. 1 - 7 (ISSN 0018-9162, DOI 10.1109/MC.2013.293)Document utilisé pour la rédaction de l’article
  • (en) M. Conti, D. Diodati, C.M. Pinotti et B. Crispo, « Optimal solutions for pairing services on Smartphones: A strategy to minimize energy consumption », 2012 IEEE International Conference on Green Computing and Communications (GreenCom),‎ , p. 1 (ISBN 978-1-4673-5146-1, DOI 10.1109/GreenCom.2012.51)
  • (en) O. Earl, « Diversity in smartphone energy consumption », 2010 ACM workshop on Wireless of the students, by the students, for the students,‎ , p. 25-28 (ISBN 978-1-4503-0144-2, DOI 10.1145/1860039.1860048)Document utilisé pour la rédaction de l’article
  • (en) A. Pathak, Y.C. Hu, M. Zhang, P. Bahl et Y. Wang, « Fine-grained power modeling for smartphones using system call tracing », Proceedings of the sixth conference on Computer systems, Salzbourg,‎ , p. 153 - 168 (ISBN 978-1-4503-0634-8, DOI 10.1145/1966445.1966460)Document utilisé pour la rédaction de l’article
  • (en) A. Pathak, Y.C. Hu et M. Zhang, « Where is the energy spent inside my app?: fine grained energy accounting on smartphones with Eprof », 7th ACM european conference on Computer Systems,‎ , p. 29 - 42 (ISBN 978-1-4503-1223-3, DOI 10.1145/2168836.2168841)Document utilisé pour la rédaction de l’article
  • (en) A. Shye, B. Scholbrock et G. Memik, « Into the wild: Studying real user activity patterns to guide power optimizations for mobile architectures », 2009 42nd Annual IEEE/ACM International Symposium on Microarchitecture (MICRO-42), New York,‎ , p. 168 - 178 (ISBN 978-1-60558-798-1, ISSN 1072-4451, DOI 10.1145/1669112.1669135)Document utilisé pour la rédaction de l’article
  • (en) A. Shye, B. Scholbrock, G. Memik et P.A. Dinda, « Characterizing and modeling user activity on smartphones: summary », ACM SIGMETRICS international conference on Measurement and modeling of computer systems, New York,‎ , p. 375 - 376 (ISBN 978-1-4503-0038-4, DOI 10.1145/1811039.1811094)Document utilisé pour la rédaction de l’article
  • (en) M.V.J. Heikkinen et J.K. Nurminen, « Measuring and modeling mobile phone charger energy consumption and environmental impact », 2012 IEEE Wireless Communications and Networking Conference (WCNC), Shanghai,‎ , p. 3194 - 3198 (ISBN 978-1-4673-0436-8, ISSN 1525-3511, DOI 10.1109/WCNC.2012.6214357)Document utilisé pour la rédaction de l’article
  • (en) R. Perez-Torres et C. Torres-Huitzil, « A power-aware middleware for location & context aware mobile apps with cloud computing interaction », 2012 World Congress on Information and Communication Technologies (WICT), Trivandrum,‎ , p. 691 - 696 (ISBN 978-1-4673-4806-5, DOI 10.1109/WICT.2012.6409164)Document utilisé pour la rédaction de l’article
  • (en) M. Altamimi, R. Palit, K. Naik et A. Nayak, « Energy-as-a-Service (EaaS): On the Efficacy of Multimedia Cloud Computing to Save Smartphone Energy », 2012 IEEE 5th International Conference on Cloud Computing (CLOUD), Honolulu, HI,‎ , p. 764 - 771 (ISBN 978-1-4673-2892-0, ISSN 2159-6182, DOI 10.1109/CLOUD.2012.72)Document utilisé pour la rédaction de l’article
  • (en) G. Metri, A. Agrawal, R. Peri et S. Weisong, « What is eating up battery life on my SmartPhone: A case study », 2012 International Conference on Energy Aware Computing, Guzelyurt,‎ , p. 1 - 6 (ISBN 978-1-4673-5327-4, DOI 10.1109/ICEAC.2012.6471003)Document utilisé pour la rédaction de l’article
  • (en) H. Zhongliang et J. Ruutu, « Comparison of energy consumption between a mobile device and a collection of dedicated devices », 2011 IEEE International Symposium on Sustainable Systems and Technology (ISSST), Chicago,‎ , p. 1 - 6 (ISBN 978-1-61284-394-0, ISSN 2157-524X, DOI 10.1109/ISSST.2011.5936873)Document utilisé pour la rédaction de l’article
  • (en) A. Carroll et G. Heiser, « An analysis of power consumption in a smartphone », 2010 USENIX conference on USENIX annual technical conference, Boston,‎ , p. 1 - 14 (lire en ligne)Document utilisé pour la rédaction de l’article
  • (en) A. Carroll et G. Heiser, « The systems hacker's guide to the galaxy energy usage in a modern smartphone », 4th Asia-Pacific Workshop on Systems, Singapour, no 5,‎ (ISBN 978-1-4503-2316-1, DOI 10.1145/2500727.2500734)Document utilisé pour la rédaction de l’article
  • (en) U. Bareth, « Simulating power consumption of location tracking algorithms to improve energy-efficiency of smartphones », 2012 IEEE 36th Annual Computer Software and Applications Conference (COMPSAC), Izmir,‎ , p. 613 - 622 (ISBN 978-0-7695-4736-7, ISSN 0730-3157, DOI 10.1109/COMPSAC.2012.87)
  • (en) U. Bareth et A. Kupper, « Energy-Efficient Position Tracking in Proactive Location-Based Services for Smartphone Environments », 2011 IEEE 35th Annual Computer Software and Applications Conference (COMPSAC), Munich,‎ , p. 516 - 521 (ISBN 978-0-7695-4439-7, ISSN 0730-3157, DOI 10.1109/COMPSAC.2011.72)Document utilisé pour la rédaction de l’article
  • (en) R. Duan, B. Mingsong et C. Gniady, « Exploring memory energy optimizations in smartphones », 2011 International Green Computing Conference and Workshops (IGCC), Orlando,‎ , p. 1 - 8 (ISBN 978-1-4577-1222-7, DOI 10.1109/IGCC.2011.6008591)
  • (en) DT. Nguyen, « Evaluating impact of storage on smartphone energy efficiency », 2013 ACM conference on Pervasive and ubiquitous computing adjunct publication, Zurich,‎ , p. 319 - 324 (ISBN 978-1-4503-2215-7, DOI 10.1145/2494091.2501083)
  • (en) DT. Nguyen, G. Zhou, Q. Xin, G. Peng, J. Zhao, T. Nguyen et D. Le, « Storage-aware smartphone energy savings », 2013 ACM international joint conference on Pervasive and ubiquitous computing, Zurich,‎ , p. 677 - 686 (ISBN 978-1-4503-1770-2, DOI 10.1145/2493432.2493505)
  • (en) B. Zhao, B.C. Tak et G. Cao, « Reducing the Delay and Power Consumption of Web Browsing on Smartphones in 3G Networks », 2011 31st International Conference on Distributed Computing Systems (ICDCS), Minneapolis,‎ , p. 413 - 422 (ISBN 978-1-61284-384-1, ISSN 1063-6927, DOI 10.1109/ICDCS.2011.54)Document utilisé pour la rédaction de l’article
  • (en) H. Falaki, R. Mahajan, S. Kandula, D. Lymberopoulos, R. Govindan et D. Estrin, « Diversity in smartphone usage », 8th international conference on Mobile systems, applications, and services, San Francisco,‎ , p. 179 - 194 (ISBN 978-1-60558-985-5, DOI 10.1145/1814433.1814453)Document utilisé pour la rédaction de l’article
  • (en) A. Khairy, H.H. Ammar et R. Bahgat, « Smartphone Energizer: Extending Smartphone's battery life with smart offloading », 2013 9th International Wireless Communications and Mobile Computing Conference (IWCMC), Sardinia,‎ , p. 329 - 336 (ISBN 978-1-4673-2479-3, DOI 10.1109/IWCMC.2013.6583581)Document utilisé pour la rédaction de l’article
  • (en) G. Metri, A. Abhishek, P. Ramesh et W. Shi, « What is eating up battery life on my SmartPhone: A case study », 2012 International Conference on Energy Aware Computing, Guzelyurt,‎ , p. 1 - 6 (ISBN 978-1-4673-5327-4, DOI 10.1109/ICEAC.2012.6471003)Document utilisé pour la rédaction de l’article
  • (en) R. Palit, K. Naik et A. Singh, « Impact of packet aggregation on energy consumption in smartphones », 2011 7th International Wireless Communications and Mobile Computing Conference (IWCMC), Istanbul,‎ , p. 589 - 594 (ISBN 978-1-4244-9539-9, DOI 10.1109/IWCMC.2011.5982599)
  • (en) F. Ding, F. Xia, W. Zhang, X. Zhao et C. Ma, « Monitoring energy consumption of smartphones », 2011 International Conference on Internet of Things (iThings/CPSCom) and 4th International Conference on Cyber, Physical and Social Computing, Dalian,‎ , p. 610 - 613 (ISBN 978-1-4577-1976-9, DOI 10.1109/iThings/CPSCom.2011.122)
  • (en) N. Balasubramanian, A. Balasubramanian et A. Venkataramani, « Energy consumption in mobile phones: a measurement study and implications for network applications », 9th ACM SIGCOMM conference on Internet measurement conference, Chicago,‎ , p. 280 - 293 (ISBN 978-1-60558-771-4, DOI 10.1145/1644893.1644927)Document utilisé pour la rédaction de l’article
  • (en) M. Gupta, A.T. Koc et R. Vannithamby, « Analyzing mobile applications and power consumption on smartphone over LTE network », 2011 International Conference on Energy Aware Computing (ICEAC), Istanbul,‎ , p. 1 - 4 (ISBN 978-1-4673-0464-1, DOI 10.1109/ICEAC.2011.6403623)
  • (en) B. Gil et P. Trezentos, « Impacts of data interchange formats on energy consumption and performance in smartphones », 2011 Workshop on Open Source and Design of Communication, Lisbonne,‎ , p. 1 - 6 (ISBN 978-1-4503-0873-1, DOI 10.1145/2016716.2016718)
  • (en) N. Thiagarajan, G. Aggarwal, A. Nicoara, D. Boneh et J.P. Singh, « Who killed my battery?: analyzing mobile browser energy consumption », 21st international conference on World Wide Web, Lyon,‎ , p. 41 - 50 (ISBN 978-1-4503-1229-5, DOI 10.1145/2187836.2187843)Document utilisé pour la rédaction de l’article
  • (en) Z. Zhuang, K-H. Kim et J.P. Singh, « Improving energy efficiency of location sensing on smartphones », 8th international conference on Mobile systems, applications, and services, San Francisco,‎ , p. 41 - 50 (ISBN 978-1-60558-985-5, DOI 10.1145/1814433.1814464)Document utilisé pour la rédaction de l’article
  • (en) Qiu Meikang, Chen Zhi, L.T. Yang, Qin Xiao et Wang Bin, « Towards Power-Efficient Smartphones by Energy-Aware Dynamic Task Scheduling », High Performance Computing and Communication & 2012 IEEE 9th International Conference on Embedded Software and Systems (HPCC-ICESS), 2012 IEEE 14th International Conference on, Liverpool,‎ , p. 1466 - 1472 (ISBN 978-1-4673-2164-8, DOI 10.1109/HPCC.2012.214)
  • (en) Asma Enayet, Nusrat Mehajabin, Abdur Razzaque et Choong Seon Hong, « A power-aware distributed Wi-Fi access point scheduling algorithm », Proceedings of the 7th International Conference on Ubiquitous Information Management and Communication, Kota Kinabalu, Malaisie,‎ (ISBN 978-1-4503-1958-4, DOI 10.1145/2448556.2448597)
  • (en) Feng Qian, Zhaoguang Wang, Alexandre Gerber, Zhuoqing Mao, Subhabrata Sen et Oliver Spatscheck, « Profiling resource usage for mobile applications: a cross-layer approach », Proceeding MobiSys '11 Proceedings of the 9th international conference on Mobile systems, applications, and services, Bethesda, MD, USA,‎ , p. 321 - 334 (ISBN 978-1-4503-0643-0, DOI 10.1145/1999995.2000026)Document utilisé pour la rédaction de l’article
  • (en) Mikkel Baun Kjærgaard, Sourav Bhattacharya, Henrik Blunck et Petteri Nurmi, « Energy-efficient trajectory tracking for mobile devices », Proceeding MobiSys '11 Proceedings of the 9th international conference on Mobile systems, applications, and services, Bethesda, MD, USA,‎ , p. 307 - 320 (ISBN 978-1-4503-0643-0, DOI 10.1145/1999995.2000025)Document utilisé pour la rédaction de l’article
  • (en) Jeongyeup Paek, Kyu-Han Kim, Jatinder P. Singh et Ramesh Govindan, « Energy-efficient positioning for smartphones using Cell-ID sequence matching », Proceeding MobiSys '11 Proceedings of the 9th international conference on Mobile systems, applications, and services, Bethesda, MD, USA,‎ , p. 293 - 306 (ISBN 978-1-4503-0643-0, DOI 10.1145/1999995.2000024)
  • (en) Feng Qian, Zhaoguang Wang, Yudong Gao, Junxian Huang, Alexandre Gerber, Zhuoqing Mao, Subhabrata Sen et Oliver Spatscheck, « Periodic transfers in mobile applications: network-wide origin, impact, and optimization », Proceeding WWW '12 Proceedings of the 21st international conference on World Wide Web, Lyon - France,‎ , p. 51 - 60 (ISBN 978-1-4503-1229-5, DOI 10.1145/2187836.2187844)
  • (en) Yu Xiao, Rijubrata Bhaumik, Zhirong Yang, Matti Siekkinen, Petri Savolainen et Antti Yla-Jaaski, « A System-Level Model for Runtime Power Estimation on Mobile Devices », Proceeding GREENCOM-CPSCOM '10 Proceedings of the 2010 IEEE/ACM Int'l Conference on Green Computing and Communications & Int'l Conference on Cyber, Physical and Social Computing, Hangzhou, Chine,‎ , p. 27 - 34 (ISBN 978-0-7695-4331-4, DOI 10.1109/GreenCom-CPSCom.2010.114)
  • (en) Hong Jin-A, Seo Sangmin, Kim Namgi et Lee Byoung-Dai, « A study of secure data transmissions in mobile cloud computing from the energy consumption side », Information Networking (ICOIN), 2013 International Conference on, Bangkok,‎ , p. 250 - 255 (ISBN 978-1-4673-5740-1, DOI 10.1109/ICOIN.2013.6496385)
  • (en) K. Kumar et Lu Yung-Hsiang, « Cloud Computing for Mobile Users: Can Offloading Computation Save Energy? », Computer, vol. 43,‎ , p. 51 - 56 (ISSN 0018-9162, DOI 10.1109/MC.2010.98)Document utilisé pour la rédaction de l’article
  • (en) J. Parkkila et J. Porras, « Improving battery life and performance of mobile devices with cyber foraging », Personal Indoor and Mobile Radio Communications (PIMRC), 2011 IEEE 22nd International Symposium on, Toronto, ON,‎ , p. 91 - 95 (ISBN 978-1-4577-1346-0, DOI 10.1109/PIMRC.2011.6140102)
  • (en) J. Zhang, A. Musa et Le Wei, « A comparison of energy bugs for smartphone platforms », Engineering of Mobile-Enabled Systems (MOBS), 2013 1st International Workshop on the, San Francisco (Californie),‎ , p. 25-30 (DOI 10.1109/MOBS.2013.6614219)Document utilisé pour la rédaction de l’article
  • (en) R. Duan, Bi Mingsong et C. Gniady, « Exploring memory energy optimizations in smartphones », Green Computing Conference and Workshops (IGCC), 2011 International, Orlando (Floride),‎ , p. 1 - 8 (ISBN 978-1-4577-1222-7, DOI 10.1109/IGCC.2011.6008591)
  • (en) L. Iftode, C. Borcea, N. Ravi, P. Kang et Zhou Peng, « Smart Phone: an embedded system for universal interactions », Distributed Computing Systems, 2004. FTDCS 2004. Proceedings. 10th IEEE International Workshop on Future Trends of, Suzhou, Chine,‎ , p. 88 - 94 (ISBN 0-7695-2118-5, DOI 10.1109/FTDCS.2004.1316598)Document utilisé pour la rédaction de l’article
  • (en) Yi Wang, Jialiu Lin, Murali Annavaram, Quinn A. Jacobson, Jason Hong, Bhaskar Krishnamachari et Norman Sadeh, « A framework of energy efficient mobile sensing for automatic user state recognition », MobiSys '09 Proceedings of the 7th international conference on Mobile systems, applications, and services, Cracovie, Pologne,‎ , p. 179 - 192 (ISBN 978-1-60558-566-6, DOI 10.1145/1555816.1555835)Document utilisé pour la rédaction de l’article
  • (en) I.M. Taylor et M.A. Labrador, « Improving the energy consumption in mobile phones by filtering noisy GPS fixes with modified Kalman filters », Wireless Communications and Networking Conference (WCNC), 2011 IEEE, Cancun, Quintana Roo,‎ , p. 2006 - 2011 (ISBN 978-1-61284-255-4, ISSN 1525-3511, DOI 10.1109/WCNC.2011.5779437)Document utilisé pour la rédaction de l’article
  • (en) I. Constandache, S. Gaonkar, M. Sayler, R.R. Choudhury et L. Cox, « EnLoc: Energy-Efficient Localization for Mobile Phones », INFOCOM 2009, IEEE, Rio de Janeiro,‎ , p. 2716 - 2720 (ISBN 978-1-4244-3512-8, ISSN 0743-166X, DOI 10.1109/INFCOM.2009.5062218)Document utilisé pour la rédaction de l’article
  • (en) Arvind Thiagarajan, Lenin Ravindranath, Katrina LaCurts, Samuel Madden, Hari Balakrishnan, Sivan Toledo et Jakob Eriksson, « VTrack: accurate, energy-aware road traffic delay estimation using mobile phones », SenSys '09 Proceedings of the 7th ACM Conference on Embedded Networked Sensor Systems, Berkeley (Californie),‎ , p. 85-98 (ISBN 978-1-60558-519-2, DOI 10.1145/1644038.1644048)
  • (en) A. Anand, C. Manikopoulos, Q. Jones et C. Borcea, « A Quantitative Analysis of Power Consumption for Location-Aware Applications on Smart Phones », Industrial Electronics, 2007. ISIE 2007. IEEE International Symposium on, Vigo,‎ , p. 1986 - 1991 (ISBN 978-1-4244-0754-5, DOI 10.1109/ISIE.2007.4374912)Document utilisé pour la rédaction de l’article
  • (en) Zhang Tao, S. Madhani, P. Gurung et E. Van Den Berg, « Reducing energy consumption on mobile devices with Wi-Fi interfaces », Global Telecommunications Conference, 2005. GLOBECOM '05. IEEE, St Louis, MO, vol. 1,‎ (ISBN 0-7803-9414-3, DOI 10.1109/GLOCOM.2005.1577687)
  • (en) Haitao Wu, Kun Tan, Jiangfeng Liu et Yongguang Zhang, « Footprint: cellular assisted Wi-Fi AP discovery on mobile phones for energy saving », WINTECH '09 Proceedings of the 4th ACM international workshop on Experimental evaluation and characterization, Pékin, Chine,‎ , p. 67 - 76 (ISBN 978-1-60558-740-0, DOI 10.1145/1614293.1614305)Document utilisé pour la rédaction de l’article
  • (en) Trevor Pering, Yuvraj Agarwal, Rajesh Gupta et Roy Want, « CoolSpots: reducing the power consumption of wireless mobile devices with multiple radio interfaces », MobiSys '06 Proceedings of the 4th international conference on Mobile systems, applications and services, Uppsala, Suède,‎ , p. 220 - 232 (ISBN 1-59593-195-3, DOI 10.1145/1134680.1134704)Document utilisé pour la rédaction de l’article
  • (en) Daler Rakhmatov et Sarma Vrudhula, « Energy management for battery-powered embedded systems », ACM Transactions on Embedded Computing Systems (TECS), vol. 2, no 3,‎ , p. 277 - 324 (DOI 10.1145/860176.860179)
  • (en) Eugene Shih, Paramvir Bahl et Michael J. Sinclair, « Wake on wireless: an event driven energy saving strategy for battery operated devices », MobiCom '02 Proceedings of the 8th annual international conference on Mobile computing and networking, Atlanta (Géorgie), USA,‎ , p. 160 - 171 (ISBN 1-58113-486-X, DOI 10.1145/570645.570666)
  • (en) Lawrence S. Brakmo, Deborah A. Wallach et Marc A. Viredaz, « μSleep: a technique for reducing energy consumption in handheld devices », MobiSys '04 Proceedings of the 2nd international conference on Mobile systems, applications, and services, Boston (Massachusetts), USA,‎ , p. 12 - 22 (ISBN 1-58113-793-1, DOI 10.1145/990064.990069)
  • (en) Andrea Acquaviva, Tajana Simunic, Vinay Deolalikar et Sumit Roy, « Remote power control of wireless network interfaces », Journal of Embedded Computing - Low-power Embedded Systems, vol. 1, no 3,‎ , p. 381 - 389 (ISSN 1740-4460)
  • (en) Kshirasagar Naik et David S. L. Wei, « Software implementation strategies for power-conscious systems », Journal Mobile Networks and Applications, vol. 6, no 3,‎ , p. 291 - 305 (ISSN 1383-469X, DOI 10.1023/A:1011487018981)
  • (en) Victor Shnayder, Mark Hempstead, Bor-rong Chen, Geoff Werner Allen et Matt Welsh, « Simulating the power consumption of large-scale sensor network applications », SenSys '04 Proceedings of the 2nd international conference on Embedded networked sensor systems, Baltimore (Maryland),‎ , p. 188 - 200 (ISBN 1-58113-879-2, DOI 10.1145/1031495.1031518)
  • (en) Rajesh Palit, Ajit Singh et Kshirasagar Naik, « Modeling the energy cost of applications on portable wireless devices », MSWiM '08 Proceedings of the 11th international symposium on Modeling, analysis and simulation of wireless and mobile systems, Vancouver (Colombie-Britannique), Canada,‎ , p. 346 - 353 (ISBN 978-1-60558-235-1, DOI 10.1145/1454503.1454562)
  • (en) Changjiu Xian, Yung-Hsiang Lu et Zhiyuan Li, « Adaptive computation offloading for energy conservation on battery-powered systems », Parallel and Distributed Systems, 2007 International Conference on, Hsinchu,‎ , p. 1 - 8 (ISBN 978-1-4244-1889-3, DOI 10.1109/ICPADS.2007.4447724)
  • (en) Feng Xia, Ching-Hsien Hsu, Xiaojing Liu, Haifeng Liu, Fangwei Ding et Wei Zhang, « The power of smartphones », Multimedia Systems,‎ , p. 1 - 15 (ISSN 0942-4962, DOI 10.1007/s00530-013-0337-x)Document utilisé pour la rédaction de l’article
  • (en) V. Tiwari, S. Malik et A. Wolfe, « Compilation techniques for low energy: an overview », Low Power Electronics, 1994. Digest of Technical Papers., IEEE Symposium, San Diego, CA, USA,‎ , p. 38 - 39 (ISBN 0-7803-1953-2, DOI 10.1109/LPE.1994.573195)
  • (en) Lin Zhong et Niraj K. Jha, « Graphical user interface energy characterization for handheld computers », CASES '03 Proceedings of the 2003 international conference on Compilers, architecture and synthesis for embedded systems, San Jose, CA, USA,‎ , p. 232 - 242 (ISBN 1-58113-676-5, DOI 10.1145/951710.951742)
  • (en) B. Priyantha, D. Lymberopoulos et Liu Jie, « LittleRock: Enabling Energy-Efficient Continuous Sensing on Mobile Phones », Pervasive Computing, IEEE, vol. 10, no 2,‎ , p. 12 - 15 (ISSN 1536-1268, DOI 10.1109/MPRV.2011.28)
  • (en) C. Wilke, C. Piechnick, S. Richly, G. Püschel, S. Götz et U. Aßmann, « Comparing mobile applications' energy consumption », 28th Annual ACM Symposium on Applied Computing, Coimbra,‎ , p. 1177 - 1179 (ISBN 978-1-4503-1656-9, DOI 10.1145/2480362.2480583)Document utilisé pour la rédaction de l’article
  • (en) Siamak Aram, Amedeo Troiano, Francesco Rugiano et Eros Pasero, « Low Power and Bluetooth-Based Wireless Sensor Network for Environmental Sensing Using Smartphones », AIAI 2012 International Workshops: AIAB, AIeIA, CISE, COPA, IIVC, ISQL, MHDW, and WADTMB, Halkidiki, Grèce,‎ , p. 332 - 340 (ISBN 978-3-642-33411-5, DOI 10.1007/978-3-642-33412-2_34)
  • (en) M. Dong et L. Zhong, « Self-constructive high-rate system energy modeling for battery-powered mobile systems », 9th international conference on Mobile systems, applications, and services, Washington,‎ , p. 335 - 348 (ISBN 978-1-4503-0643-0, DOI 10.1145/1999995.2000027)Document utilisé pour la rédaction de l’article
  • (en) J. Flinn et M. Satyanarayanan, « Energy-aware adaptation for mobile applications », seventeenth ACM symposium on Operating systems principles, Charleston,‎ , p. 48 - 63 (ISBN 1-58113-140-2, DOI 10.1145/319151.319155)
  • (en) « One In Every 5 People In The World Own A Smartphone, One In Every 17 Own A Tablet », (consulté le )Document utilisé pour la rédaction de l’article
  • (en) Maximilian Schirmer et Hagen Höpfner, « SenST*: Approaches for Reducing the Energy Consumption of Smartphone-Based Context Recognition », 7th International and Interdisciplinary Conference, CONTEXT 2011, Karlsruhe (Allemagne),‎ , p. 250 - 263 (ISBN 978-3-642-24278-6, DOI 10.1007/978-3-642-24279-3_27)
  • (en) L. Zhang, B. Tiwana, R.P. Dick, Q. Zhiyun, Z.M. Mao, W. Zhaoguang et Y. Lei, « Accurate online power estimation and automatic battery behavior based power model generation for smartphones », 2010 IEEE/ACM/IFIP International Conference on Hardware/Software Codesign and System Synthesis (CODES+ISSS), Scottsdale,‎ , p. 105 - 114 (ISBN 978-1-6055-8905-3, DOI 10.1145/1878961.1878982)Document utilisé pour la rédaction de l’article
  • (en) Xiang Chen, Yiran Chen, Zhan Ma et Felix C. A. Fernandes, « How is energy consumed in smartphone display applications? », HotMobile '13 Proceedings of the 14th Workshop on Mobile Computing Systems and Applications, Jekyll Island (Géorgie),‎ (ISBN 978-1-4503-1421-3, DOI 10.1145/2444776.2444781)Document utilisé pour la rédaction de l’article
  • (en) Mostafa Uddin et Tamer Nadeem, « A2PSM: audio assisted Wi-Fi power saving mechanism for smart devices », HotMobile '13 Proceedings of the 14th Workshop on Mobile Computing Systems and Applications, Jekyll Island (Géorgie),‎ (ISBN 978-1-4503-1421-3, DOI 10.1145/2444776.2444782)
  • (en) Chi-Chen Lee, Jui-Hung Yeh et Jyh-Cheng Chen, « Impact of inactivity timer on energy consumption in WCDMA and cdma2000 », Wireless Telecommunications Symposium, 2004, JCal Poly Pomona Pomona, CA,‎ , p. 15 - 24 (ISBN 0-7803-8246-3, DOI 10.1109/WTS.2004.1319545)Document utilisé pour la rédaction de l’article
  • (en) D. Moreno, S.F. Ochoa, R. Santos et R. Meseguer, « Geo-localized messages irradiation using smartphones: An energy consumption analysis », Computer Supported Cooperative Work in Design (CSCWD), 2013 IEEE 17th International Conference on, Whistler, BC,‎ , p. 681 - 685 (ISBN 978-1-4673-6084-5, DOI 10.1109/CSCWD.2013.6581042)
  • (en) « Nanowire battery can hold 10 times the charge of existing lithium-ion battery », (consulté le )Document utilisé pour la rédaction de l’article
  • (en) J.M. Donelan, Q. Li, V. Naing, J.A. Hoffer, D.J. Weber et A.D. Kuo, « Biomechanical Energy Harvesting : Generating Electricity During Walking with Minimal User Effort », Science 8, vol. 319, no 5864:807,‎ , p. 807-810 (DOI 10.1126/science.1149860)Document utilisé pour la rédaction de l’article
  • (en) Ahmad Rahmati et Lin Zhong, « Context-for-wireless: context-sensitive energy-efficient wireless data transfer », MobiSys '07 Proceedings of the 5th international conference on Mobile systems, applications and services, San Juan, Porto Rico,‎ , p. 165 - 178 (ISBN 978-1-59593-614-1, DOI 10.1145/1247660.1247681)Document utilisé pour la rédaction de l’article
  • (en) Ahmad Rahmati et Lin Zhong, « Human-battery interaction on mobile phones », Pervasive and Mobile Computing, vol. 5, no 5,‎ , p. 465 - 477 (ISSN 1574-1192, DOI 10.1016/j.pmcj.2008.08.003)Document utilisé pour la rédaction de l’article
  • (en) Abhilash Jindal, Abhinav Pathak, Y. Charlie Hu et Samuel Midkiff, « Hypnos: understanding and treating sleep conflicts in smartphones », EuroSys '13 Proceedings of the 8th ACM European Conference on Computer Systems, Prague, République tchèque,‎ , p. 253 - 266 (ISBN 978-1-4503-1994-2, DOI 10.1145/2465351.2465377)Document utilisé pour la rédaction de l’article
  • (en) Lide Zhang, Mark S. Gordon, Robert P. Dick, Z. Morley Mao, Peter Dinda et Lei Yang, « ADEL: an automatic detector of energy leaks for smartphone applications », CODES+ISSS '12 Proceedings of the eighth IEEE/ACM/IFIP international conference on Hardware/software codesign and system synthesis, Tampere, Finlande,‎ , p. 363 - 372 (ISBN 978-1-4503-1426-8, DOI 10.1145/2380445.2380503)Document utilisé pour la rédaction de l’article
  • (en) Abhinav Pathak, Abhilash Jindal, Y. Charlie Hu et Samuel P. Midkiff, « What is keeping my phone awake?: characterizing and detecting no-sleep energy bugs in smartphone apps », MobiSys '12 Proceedings of the 10th international conference on Mobile systems, applications, and services, Low Wood Bay, Lake District, Royaume-Uni,‎ , p. 363 - 372 (ISBN 978-1-4503-1301-8, DOI 10.1145/2307636.2307661)Document utilisé pour la rédaction de l’article
  • (en) Abhinav Pathak, Y. Charlie Hu et Ming Zhang, « Bootstrapping energy debugging on smartphones: a first look at energy bugs in mobile devices », HotNets-X Proceedings of the 10th ACM Workshop on Hot Topics in Networks, Cambridge, MA,‎ , p. 1 - 6 (ISBN 978-1-4503-1059-8, DOI 10.1145/2070562.2070567)Document utilisé pour la rédaction de l’article
  • (en) G.P. Perrucci, « Energy Saving Strategies on Mobile Devices », Multimedia Information and Signal Processing - Aalborg University, Aalborg,‎ , p. 1 - 150 (lire en ligne)Document utilisé pour la rédaction de l’article
  • (en) H. Verkasalo, « Analysis of Smartphone User Behavior », 2010 Ninth International Conference on Mobile Business and 2010 Ninth Global Mobility Roundtable (ICMB-GMR), Athènes,‎ , p. 258 - 263 (ISBN 978-1-4244-7423-3, DOI 10.1109/ICMB-GMR.2010.74)Document utilisé pour la rédaction de l’article
  • (en) T. Capin, K. Pulli et T. Akenine-Moller, « The State of the Art in Mobile Graphics Research », IEEE Computer Graphics and Applications, vol. 28, no 4,‎ , p. 74 - 84 (ISSN 0272-1716, DOI 10.1109/MCG.2008.83)Document utilisé pour la rédaction de l’article
  • (en) B. Mochocki, K. Lahiri et S. Cadambi, « Power analysis of mobile 3D graphics », Design, Automation and Test in Europe, 2006. DATE '06. Proceedings, Munich, vol. 1,‎ , p. 1 - 6 (ISBN 3-9810801-1-4, DOI 10.1109/DATE.2006.243859)Document utilisé pour la rédaction de l’article
  • (en) M. Hosseini, A. Fedorova, J. Peters et S. Shirmohammadi, « Energy-aware adaptations in mobile 3d graphics », 20th ACM international conference on Multimedia,‎ , p. 1017 - 1020 (ISBN 978-1-4503-1089-5, DOI 10.1145/2393347.2396371)Document utilisé pour la rédaction de l’article
  • (en) X. Ma, Z. Deng, M. Dong et L. Zhong, « Characterizing the Performance and Power Consumption of 3D Mobile Games », Computer, vol. 46, no 4,‎ , p. 76 - 82 (ISSN 0018-9162, DOI 10.1109/MC.2012.190)Document utilisé pour la rédaction de l’article
  • (en) F. Chehimi, P. Coulton et R. Edwards, « Advances in 3D Graphics for Smartphones », Information and Communication Technologies, 2006. ICTTA '06. 2nd, vol. 1,‎ , p. 99 - 104 (ISBN 0-7803-9521-2, DOI 10.1109/ICTTA.2006.1684352)Document utilisé pour la rédaction de l’article
  • (en) E.O. Udoh, « An Overview of Bluetooth Security », Electronics and Telecommunications Research Seminar Series, 10th Workshop Proceedings,‎ , p. 1 - 258 (lire en ligne)Document utilisé pour la rédaction de l’article
  • (en) « L'evolution du smartphone », (consulté le )Document utilisé pour la rédaction de l’article
  • (en) A. Ukhanova, E. Belyaev, L. Wang et S. Forchhammer, « Power consumption analysis of constant bit rate video transmission over 3G networks », Computer Communications, Spécial Issue Wireless Green Communications and Networking, vol. 35, no 14,‎ , p. 1695 – 1706 (DOI 10.1016/j.comcom.2012.05.010)Document utilisé pour la rédaction de l’article
  • (en) N. Ravi, J. Scott, L. Han et L. Iftode, « Context-aware Battery Management for Mobile Phones », 2008 Sixth Annual IEEE International Conference on Pervasive Computing and Communications,‎ , p. 1er-10 (ISBN 978-0-7695-3113-7, DOI 10.1109/PERCOM.2008.108, lire en ligne)Document utilisé pour la rédaction de l’article
  • (en) S. Swanson et M.B. Taylor, « Greendroid: Exploring the next evolution in smartphone application processors », IEEE Communications Magazine =, vol. 49, no 4,‎ , p. 112 - 119 (ISSN 0163-6804, DOI 10.1109/MCOM.2011.5741155)Document utilisé pour la rédaction de l’article
  • (en) Y. Xiao, « Modeling and managing energy consumption of mobile devices », Aalto University publication series DOCTORAL DISSERTATIONS, 139/2011, Aalto,‎ , p. 1 - 74 (ISBN 978-952-60-4430-9, ISSN 1799-4942, lire en ligne)Document utilisé pour la rédaction de l’article
  • (en) S. Albers, « Energy-efficient algorithms », Magazine Communications of the ACM, vol. 53, no 5,‎ , p. 86 - 96 (DOI 10.1145/1735223.1735245)Document utilisé pour la rédaction de l’article
  • (en) « iPhone Battery Life Flaw Confirmed By Apple », (consulté le )Document utilisé pour la rédaction de l’article
  • (en) « Android battery life: terrible, or just plain bad? », mai (consulté le )Document utilisé pour la rédaction de l’article
  • « Calibrer (réinitialiser) sa batterie » (consulté le )Document utilisé pour la rédaction de l’article
  • (en) P.K. Gupta, R.V. Rajakumar, C.S. Kumar et G. Das, « Analytical evaluation of signalling cost on power saving mechanism in mobile networks », TENCON Spring Conference, 2013 IEEE, Sydney, NSW,‎ , p. 376 - 380 (ISBN 978-1-4673-6347-1, DOI 10.1109/TENCONSpring.2013.6584475)Document utilisé pour la rédaction de l’article
  • (en) R. Murmuria, J. Medsger, A. Stavrou et J.M. Voas, « Mobile Application and Device Power Usage Measurements », 2012 IEEE Sixth International Conference on Software Security and Reliability (SERE), Gaithersburg,‎ , p. 147 - 156 (ISBN 978-1-4673-2067-2, DOI 10.1109/SERE.2012.19)Document utilisé pour la rédaction de l’article
  • (en) Matti Siekkinen, Mohammad Ashraful Hoque, Jukka K. Nurminen et Mika Aalto, « Streaming over 3G and LTE: how to save smartphone energy in radio access network-friendly way », MoVid '13 Proceedings of the 5th Workshop on Mobile Video, Oslo, Norvège,‎ , p. 13 - 18 (ISBN 978-1-4503-1893-8, DOI 10.1145/2457413.2457417)Document utilisé pour la rédaction de l’article
  • (en) Shuo Deng et Hari Balakrishnan, « Traffic-aware techniques to reduce 3G/LTE wireless energy consumption », CoNEXT '12 Proceedings of the 8th international conference on Emerging networking experiments and technologies, Nice, France,‎ , p. 181 - 192 (ISBN 978-1-4503-1775-7, DOI 10.1145/2413176.2413198)Document utilisé pour la rédaction de l’article
  • (en) Junxian Huang, Feng Qian, Alexandre Gerber, Z. Morley Mao, Subhabrata Sen et Oliver Spatscheck, « A close examination of performance and power characteristics of 4G LTE networks », MobiSys '12 Proceedings of the 10th international conference on Mobile systems, applications, and services, Low Wood Bay, Lake District, Royaume-Uni,‎ , p. 225 - 238 (ISBN 978-1-4503-1301-8, DOI 10.1145/2307636.2307658)Document utilisé pour la rédaction de l’article
  • (en) « How much does it cost to charge an iPhone 5? A thought-provokingly modest $0.41/year », (consulté le )Document utilisé pour la rédaction de l’article
  • (en) J. Ruutu, J.K. Nurminen et K. Rissanen, « Energy Efficiency of Mobile Device Recharging », International Journal of Handheld Computing Research, vol. 4, no 1,‎ , p. 59 - 69 (DOI 10.1145/2307636.2307658)Document utilisé pour la rédaction de l’article
  • (en) « Power consumption for CPU usage », (consulté le )Document utilisé pour la rédaction de l’article
  • (en) M.A. Hoque, « Towards Energy Efficient Multimedia Streaming to Mobile Device », Aalto University publication series DOCTORAL DISSERTATIONS 187/2013, Aalto,‎ , p. 1 - 53 (ISBN 978-952-60-5438-4, lire en ligne)Document utilisé pour la rédaction de l’article
  • (en) M.A. Hoque, M. Siekkinen et J.K. Nurmine, « On the energy efficiency of proxy-based traffic shaping for mobile audio streaming », Consumer Communications and Networking Conference (CCNC), 2011 IEEE, Las Vegas (Nevada),‎ , p. 891 - 895 (ISBN 978-1-4244-8789-9, DOI 10.1109/CCNC.2011.5766635)Document utilisé pour la rédaction de l’article
  • (en) M.A. Hoque, M. Siekkinen et J.K. Nurmine, « Using crowd-sourced viewing statistics to save energy in wireless video streaming », MobiCom '13 Proceedings of the 19th annual international conference on Mobile computing & networking, Miami (Floride),‎ , p. 377 - 388 (ISBN 978-1-4503-1999-7, DOI 10.1145/2500423.2500427)Document utilisé pour la rédaction de l’article