Réduction de l'impact environnemental du streaming vidéo // Reduction of the Environrmental Impact of Video Streaming

Avec l'essor des services vidéo (VOD, webTV, partage de vidéos et streaming live), la vidéo est devenue omniprésente. Les réseaux à haut débit et les progrès de la microélectronique permettent de capturer, diffuser et afficher des vidéos numériques à tout moment et en tout lieu. Aujourd'hui, le visionnage de vidéos en ligne a une influence significative sur les émissions mondiales de gaz à effet de serre (GES) avec une part de 1% en 2017, selon The Shift Project. Des solutions doivent donc être développées pour réduire l'impact environnemental de l'écosystème vidéo. Nous nous concentrons sur deux approches : fondée sur la sobriété numérique, le premier levier vise à réduire le nombre de vidéos transmises en modifiant le comportement des utilisateurs et les règles de fonctionnement des services vidéo. Le deuxième levier est de fournir des solutions technologiques plus efficaces en termes d'émissions de gaz à effet de serre. Pour les deux leviers, un modèle est nécessaire pour évaluer l'impact environnemental de l'ensemble de la chaîne de diffusion vidéo (de bout en bout : centre de données, cœur et réseau d'accès, terminal média), afin de prendre des décisions ayant une réelle influence sur la réduction de l'impact environnemental de l'écosystème vidéo.
Le projet de thèse vise à participer au développement d'un modèle pour évaluer l'impact environnemental de la distribution et de la consommation de contenus audiovisuels et ensuite d'exploiter ce modèle pour développer et évaluer des solutions techniques permettant de réduire cette empreinte. Le modèle développé prendra en compte l'ensemble de la chaîne de streaming vidéo, depuis la captation/serveur de diffusion jusqu'au terminal utilisateur. Il intégrera l'analyse de cycle de vie des éléments de la chaîne en s'intéressant plus particulièrement à la partie transmission (TNT, réseau 4G/5G, set-top box), et pourra être paramétré pour évaluer l'impact de chaque élément sur la consommation de bout en bout. Ce modèle sera ensuite exploité pour étudier des solutions techniques afin de réduire l'impact environnemental, comme des opérations de pré- ou post-traitement vidéo pouvant faire appel à l'IA. Il cherchera à optimiser les algorithmes de codage et/ou de transmission d'un point de vue efficacité énergétique et étudier le développement d'applications vidéo adaptatives de résolution/qualité compatibles avec le réseau et les dispositifs d'affichage des utilisateurs finaux. Les solutions techniques développées seront évaluées en coopération avec les chercheurs du LARSH pour estimer leur degré d'acceptation de l'utilisateur final en termes de qualité d'expérience.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

With the rise of video services (VOD, webTV, video sharing and live streaming), video has become omnipresent. High-speed networks and advances in microelectronics make it possible to capture, stream and display digital video anytime, anywhere. Today, online video viewing has a significant influence on global greenhouse gas (GHG) emissions with a share of 1% in 2017, according to The Shift Project. Solutions must therefore be developed to reduce the environmental impact of the video ecosystem. We focus on two approaches: based on digital sobriety, the first lever aims to reduce the number of videos transmitted by modifying user behavior and the operating rules of video services. The second lever is to provide more efficient technological solutions in terms of greenhouse gas emissions. For both levers, a model is necessary to assess the environmental impact of the entire video distribution chain (end to end: data center, core and access network, media terminal), in order to make decisions having a real influence on reducing the environmental impact of the video ecosystem.
The thesis project aims to participate in the development of a model to assess the environmental impact of the distribution and consumption of audiovisual content and then to exploit this model to develop and evaluate technical solutions to reduce this footprint. The model developed will take into account the entire video streaming chain, from the capture/broadcast server to the user terminal. It will integrate the life cycle analysis of the elements of the chain, focusing more particularly on the transmission part (DTV, 4G/5G network, set-top box), and can be configured to assess the impact of each element on end-to-end consumption. This model will then be used to study technical solutions to reduce environmental impact, such as video pre- or post-processing operations that can use AI. It will seek to optimize coding and/or transmission algorithms from an energy efficiency point of view and study the development of adaptive resolution/quality video applications compatible with the network and end-user display devices. The technical solutions developed will be evaluated in cooperation with LARSH researchers to estimate their degree of acceptance by the end user in terms of quality of experience.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2026
WEB : https://anr.fr/Projet-ANR-25-CE25-4100

Other public funding

ANR Financement d'Agences de financement de la recherche

Université Polytechnique Hauts de France

635 Ecole Doctorale Polytechnique Hauts-de-France

Le candidat ou la candidate devra posséder un diplôme de master ou d'ingénieur en télécommunications, électronique, traitement du signal ou en informatique. Il ou elle devra avoir des connaissances et des compétences solides parmi les domaines suivants : • Codage image/vidéo * Systèmes de communications sans fil * Intelligence artificielle • Consommation des systèmes numériques * Analyse de cycle de vie (formation en interne en début de thèse possible) Une expérience en programmation (Python/Matlab/C) et en analyse de données est attendue. Le candidat ou la candidate devra démontrer son autonomie et sa capacité à travailler dans un environnement de recherche multidisciplinaire. Pour candidater, veuillez adresser votre CV et une lettre de motivation à Francois-Xavier.Coudoux@uphf.fr
The candidate must have a master's or engineering degree in telecommunications, electronics, signal processing or computer science. He or she must have solid knowledge and skills in the following areas: • Image/video coding * Wireless communications systems * Artificial intelligence • Consumption of digital systems * Life cycle analysis (internal training at the start of the thesis possible) Experience in programming (Python/Matlab/C) and data analysis is expected. The candidate must demonstrate their autonomy and ability to work in a multidisciplinary research environment. To apply, please send your CV and a cover letter to Francois-Xavier.Coudoux@uphf.fr