Un benchmark Node.js montre que cinq services d'API vidéo populaires divergent considérablement en termes de performance selon la taille du fichier. Sur une connexion 4G bridée (10 Mbps), FastPix a dominé le test sur les fichiers volumineux, tandis que Cloudinary a pris la tête sur un clip plus petit.
Pourquoi ce test est important
Les fournisseurs d'API vidéo vantent constamment « l'upload le plus rapide » ou la « lecture instantanée » sur leurs pages marketing. Ces affirmations reposent généralement sur des fichiers de test sélectionnés avec soin pour correspondre au point optimal de chaque fournisseur. Lorsqu'une équipe produit fonde le choix d'un fournisseur sur de tels titres, elle risque un décalage entre la latence annoncée et la latence réelle, surtout si ses utilisateurs téléchargent du contenu de tailles ou de qualités de réseau différentes.
Comment le benchmark a été construit
L'auteur a écrit un script de test simple en Node.js qui mesure deux indicateurs pour chaque upload :
- Temps d'upload – secondes réelles nécessaires pour envoyer les octets bruts à l'API.
- Temps de disponibilité (Time-to-ready) – intervalle entre le début de l'upload et le moment où la vidéo peut être diffusée (c'est-à-dire lorsque l'API indique que l'élément est prêt à être lu).
Cinq services ont été soumis au même script : FastPix, Mux, api.video, Cloudinary et Gumlet. Tous les tests ont été effectués depuis la même machine, avec un réseau bridé à 10 Mbps pour simuler une expérience mobile 4G typique. Deux fichiers représentatifs ont été utilisés :
- Fichier volumineux : 177 Mo, correspondant à du contenu de longue durée ou à des masters de caméra haute résolution.
- Petit fichier : 65 Mo, typique des clips courts ou des extraits pour les réseaux sociaux.
Le script a automatisé l'upload, puis a interrogé l'endpoint de statut de chaque fournisseur jusqu'à ce que la vidéo atteigne l'état « prêt » (ready), en enregistrant les deux horodatages.
Ce que les chiffres révèlent
Fichier volumineux (177 Mo)
- FastPix a affiché le temps d'upload le plus bas et le temps de disponibilité global le plus rapide, ce qui en fait le leader incontesté pour les transferts de masse.
- Mux a offert le démarrage à froid (cold-startup) le plus rapide, ce qui signifie que la première image est apparue plus tôt une fois la vidéo marquée comme prête.
Petit fichier (65 Mo)
- Cloudinary a traité le clip en seulement 2 secondes, battant tous les autres services.
- FastPix est tombé à la cinquième place.
Implications pour le choix d'une API vidéo
- Uploads de longue durée ou haute résolution – privilégiez les services qui excellent en débit brut et en vitesse d'ingestion. Dans ce test, FastPix est le choix le plus sûr.
- Clips courts à la demande – favorisez les API qui minimisent la latence de démarrage à froid. Le délai de 2 secondes de Cloudinary suggère qu'il convient aux scénarios de lecture instantanée.
Au-delà des chiffres bruts, les équipes doivent évaluer les niveaux de tarification, la couverture CDN géographique et les ensembles de fonctionnalités tels que les options de transcodage ou le DRM. Le classement d'un fournisseur peut aider à une vérification rapide, mais il ne doit pas remplacer un test spécifique à votre charge de travail.
Réaliser votre propre test
- Scripter le flux – utilisez un langage en lequel vous avez confiance (Node.js, Python, etc.) pour uploader un fichier et interroger l'endpoint de statut jusqu'à ce que le flag « prêt » (ready) apparaisse.
- Contrôler l'environnement – exécutez le test de chaque fournisseur depuis la même machine et le même réseau pour éliminer la variabilité.
- Brider la bande passante – limitez la connexion pour refléter le segment d'utilisateurs le plus lent que vous prévoyez (par exemple, 10 Mbps pour la 4G).
- Utiliser des ressources réelles – remplacez les clips de test génériques par des séquences qui reflètent les uploads typiques de votre produit ; le codec, la résolution et le débit binaire peuvent affecter les pipelines d'ingestion.
Le seul benchmark qui compte vraiment est celui qui reflète vos propres modèles de trafic et vos attentes en matière de qualité.
À surveiller ensuite
À mesure que les API vidéo évoluent, elles déploient de nouveaux chemins d'ingestion, des couches de mise en cache en périphérie (edge caching) et du transcodage piloté par l'IA. Maintenir un benchmark automatisé dans votre pipeline CI peut faire apparaître des régressions avant qu'elles n'impactent les utilisateurs. Les résultats partagés par la communauté, comme celui lié ci-dessous, aident également à construire une image plus transparente de l'écosystème.