Blog

Comment choisir une API d’appels vidéo : que comparer avant de bâtir

· Andrij Tkachenko · 14 min de lecture

Une loupe au-dessus d’une fenêtre d’appel vidéo où se trouvent deux personnes, entre un globe parcouru de lignes qui relient des points et un cadenas

Choisissez une API d’appels vidéo d’après ce qu’elle fait des appels difficiles et d’après ce qu’elle compte : si un appel se connecte à travers un pare-feu strict, à quelle distance ses serveurs se trouvent de vos utilisateurs, qui peut voir les médias, et si la facture grandit avec les minutes, les personnes ou la résolution. La vidéo HD, le partage d’écran et un écran d’appel figurent sur toutes les listes de fonctionnalités, si bien que ce sont ces réponses qui départagent les services.

Cet article passe en revue dix questions à poser à toute API d’appels vidéo, à tout SDK d’appels vidéo et à toute API de visioconférence, avec la raison pour laquelle chacune compte et la façon de vérifier la réponse vous-même. Il ne nomme aucun service. À la fin, il répond à chaque question pour WordPlus Cloud, avec ce qu’il vous reste à faire vous-même.

Une réunion que vous intégrez, ou des appels dans votre propre application

Deux genres de services différents sont vendus sous ces mots.

Un service de réunion vous donne une salle sur une page à lui, que les gens ouvrent depuis un lien ou que vous placez dans un cadre sur votre site. Une API d’appels vous donne les pièces : un SDK pour chaque plateforme, souvent avec un écran d’appel prêt à l’emploi, et les appels ont lieu dans votre propre application, entre vos propres utilisateurs.

Réunion intégrée API et SDK d’appels
L’appel a lieu Sur sa page, dans un cadre Dans vos propres écrans
Qui peut entrer Quiconque a le lien Ceux que votre serveur autorise
Vous écrivez Un lien Une route de tokens et un écran

Il existe une troisième voie, des serveurs multimédias open source sur vos propres serveurs, et c’est elle qui vous laisse le plus à faire tourner. Comment fonctionnent les appels vidéo de groupe montre ce que cela demande. Les dix questions ci-dessous concernent les deux premiers genres.

1. Chaque appel se connecte-t-il ?

Un appel vidéo passe directement entre les deux appareils quand leurs réseaux le permettent, et beaucoup ne le permettent pas. Les routeurs domestiques, les réseaux mobiles et les pare-feu d’entreprise cachent chacun à leur façon les appareils qui se trouvent derrière eux, si bien qu’une part des appels ne se connecte que par un relais, un serveur TURN, que les deux côtés peuvent joindre. Notre article sur les serveurs STUN et TURN explique pourquoi.

L’endroit où ce relais écoute compte tout autant. TURN utilise par défaut le port 3478, et 5349 sur TLS, et son standard le fait aussi passer sur TCP, car certains pare-feu bloquent entièrement l’UDP. Un réseau d’hôtel ou d’entreprise qui ne laisse sortir que les ports du web les bloque tous, si bien que seul un relais sur le port 443 passe.

Demandez :

  • Les relais sont-ils inclus, et sur quels ports, 443 compris ?
  • Que se passe-t-il quand même un relais ne passe pas : l’appel échoue-t-il, ou bascule-t-il sur un serveur qui y parvient ?
  • Quand un téléphone passe du Wi-Fi aux données mobiles, l’appel continue-t-il, ou est-il coupé ?

Quand un appel ne se connecte pas, notre article sur les connexions WebRTC qui échouent montre comment trouver pourquoi.

2. À quelle distance les serveurs sont-ils de vos utilisateurs ?

Chaque relais et chaque serveur multimédia ajoute le trajet jusqu’à lui et retour. La recommandation de l’UIT sur le délai dans les communications, G.114, note que la plupart des applications ne sont guère affectées tant que le délai reste sous 150 ms dans un sens. Deux personnes d’une même ville qui se parlent par un serveur sur un autre continent s’entendent avec du retard, alors qu’elles vivent à quelques rues l’une de l’autre.

Demandez :

  • Où sont les relais et les serveurs multimédias, et chaque personne rejoint-elle d’elle-même le plus proche ?
  • Dans un appel de groupe avec des personnes sur deux continents, tout le monde va-t-il sur un seul serveur, ou chacun en rejoint-il un proche de lui ?

Comment connecter des utilisateurs dans plusieurs régions passe en revue ce que chaque réponse signifie pour un appel.

3. Un appel à deux et un appel de groupe fonctionnent-ils de la même façon ?

Un appel entre deux personnes peut passer directement entre les appareils. Un appel de groupe ne le peut pas au-delà de quelques personnes, car chaque appareil devrait envoyer sa caméra à chacun des autres. Les appels de groupe tournent donc sur des serveurs multimédias qui reçoivent chaque caméra une seule fois et la transmettent aux autres, et beaucoup de services les vendent comme un second produit, avec un SDK et un prix à part.

Demandez :

  • Quand une troisième personne rejoint un appel à deux, les deux doivent-ils raccrocher et recommencer ?
  • Combien de personnes peuvent être en vidéo à la fois, et dans un même appel ?
  • Certaines personnes peuvent-elles seulement écouter, et prendre la parole quand un hôte le leur permet ?

4. Que compte la facture ?

La plupart des API d’appels vidéo comptent des minutes-participant, une minute d’une personne dans un appel. Un cours de 30 personnes pendant une heure en fait 1 800, si bien que la taille de vos appels compte plus que leur nombre. Combien coûte un appel vidéo à la minute fait le calcul d’un mois entier.

Regardez ensuite ce qui est compté d’autre. Certains prix montent avec la résolution, certains comptent à part les minutes qui passent par un relais, et l’enregistrement, la bande passante et les appels entre deux personnes peuvent chacun faire une ligne à part.

Demandez :

  • Une minute en HD est-elle comptée comme une minute en audio ?
  • Les appels entre deux personnes sont-ils comptés, et ceux qui passent par un relais ?
  • Que se passe-t-il au-delà de la formule : un appel est-il coupé, ou facturé pour le surplus ?

5. Qui peut voir et entendre l’appel ?

Tout appel WebRTC est chiffré en chemin. L’architecture de sécurité de WebRTC l’exige : tous les médias sont protégés par SRTP, avec des clés convenues par DTLS. Cela tient à l’écart quiconque se trouve sur le réseau entre les deux extrémités. La question est de savoir où sont les extrémités. Dans un appel direct entre deux appareils, ce sont les appareils. Dans un appel qui passe par un serveur multimédia, le serveur est l’une des extrémités, et il peut voir chaque trame.

Un appel de groupe ne reste privé vis-à-vis de ses serveurs multimédias que si chaque trame est chiffrée avant de quitter l’appareil, avec des clés que les serveurs ne détiennent jamais. SFrame est le standard de l’IETF pour cela, et certains services font de même à leur manière.

Demandez :

  • Qui détient les clés d’un appel de groupe : le service, mon serveur, ou seulement les personnes qui y participent ?
  • Un appel qui bascule sur un relais ou un serveur multimédia reste-t-il chiffré de bout en bout ?
  • Un enregistrement exige-t-il que le service voie les médias ?

6. Qui décide de qui peut appeler et entrer dans un appel ?

Un appel ne devrait démarrer que là où votre application dit oui. Avec la plupart des API, votre serveur signe un token pour chaque appel ou chaque salle, et ce qui diffère, c’est ce que dit le token. Un token qui ne fait que laisser entrer un utilisateur laisse les rôles aux réglages du service. Un token qui dit qui parle, qui écoute seulement et qui anime garde ces décisions dans votre propre code.

Demandez :

  • Un token donné à une personne peut-il servir à une autre, ou pour un autre appel ?
  • Mon serveur peut-il couper le micro de quelqu’un, le faire sortir ou terminer un appel sans aucune page ouverte ?
  • Un hôte peut-il faire de même depuis l’écran d’appel, et seulement un hôte ?

7. Comment un appel parvient-il à la personne appelée ?

Un appel qui sonne dans un onglet que personne ne regarde est un appel manqué. Demandez où il sonne : dans chaque onglet que la personne a ouvert, sur son téléphone, et sur un téléphone dont l’application est fermée. Une application fermée ne sonne que par le système d’appel du téléphone, CallKit sur iOS et le framework Telecom sur Android, et le SDK doit les prendre en charge.

Demandez :

  • Un appel sonne-t-il sur tous les appareils à la fois, et cesse-t-il de sonner partout dès qu’on y répond sur l’un d’eux ?
  • Sonne-t-il sur un téléphone verrouillé, et apparaît-il dans la liste des appels récents ?
  • Combien de temps sonne-t-il, et qu’apprend chaque côté quand personne ne répond ?

8. Y a-t-il un écran d’appel prêt à l’emploi, et pouvez-vous le modifier ?

Un écran d’appel demande plus de travail qu’il n’y paraît : la sonnerie, le choix de la caméra et du micro, la grille qui se réorganise d’elle-même, qui parle, l’écran partagé, et le son qu’un navigateur garde muet jusqu’à ce que quelqu’un clique. Un écran prêt à l’emploi fait gagner des semaines. Il doit aussi ressembler au reste de votre application.

Demandez :

  • Quelles plateformes en ont un : le web, React, iOS, Android ?
  • Puis-je changer ses couleurs et ses textes, et remplacer une de ses parties par la mienne ?
  • Le reste du SDK est-il là pour un écran à moi, jusqu’à chaque personne d’un appel de groupe ?
  • Y a-t-il une bibliothèque serveur dans le langage que j’écris, ou une API HTTP ?

9. Que se passe-t-il sur un réseau faible ?

Les appels se dégradent par petites touches bien avant d’échouer. Tout navigateur doit prendre en charge VP8 et H.264, comme l’exige la RFC 7742, et ce que fait un appel sur une mauvaise connexion dépend du service : baisser la qualité de l’image, choisir un autre codec, envoyer deux fois les paquets de son, ou renoncer à la caméra pour garder la voix.

Demandez :

  • Sur une connexion faible, l’image cède-t-elle avant le son ?
  • Mon écran apprend-il la qualité de chaque connexion, pour pouvoir la signaler à la personne ?
  • Quand une connexion tombe un instant, combien de temps l’appel l’attend-il ?

Un téléphone avec une seule barre de données mobiles répond à ces questions mieux que n’importe quelle fiche technique.

10. Qu’apprend votre serveur en retour, et quelles sont les limites ?

Votre application a besoin de savoir ce qui s’est passé : qui a appelé qui, combien de temps ils ont parlé et pourquoi un appel s’est terminé. Elle en a besoin pour afficher une liste d’appels récents, pour proposer un message quand personne n’a répondu, ou pour facturer vos propres utilisateurs à la minute. Les webhooks l’apportent, et comme un webhook peut arriver deux fois, chacun a besoin d’un identifiant.

Lisez ensuite la page des limites : combien de temps un appel peut sonner et durer, combien de personnes peuvent s’y trouver, et combien de temps vit un token. Et imaginez le jour où vous partez. Un appel laisse moins de choses derrière lui qu’un chat. Ce qui reste, c’est votre trace de chaque appel, et sa place est dans votre propre base de données.

Testez-le pendant un après-midi

Une grille tarifaire et un tableau de fonctionnalités répondent à peu de ces questions. Un petit test répond à la plupart. Construisez le plus petit appel possible sur chaque service que vous envisagez, et suivez ces sept étapes :

  1. Appelez entre deux navigateurs sur des réseaux différents, l’un en Wi-Fi et l’autre sur un téléphone en données mobiles.
  2. Appelez depuis un réseau qui ne laisse sortir que le web, comme le Wi-Fi strict d’une entreprise ou d’un hôtel. Notre test WebRTC montre à l’avance ce que ce réseau laisse passer.
  3. Pendant un appel, faites passer un téléphone du Wi-Fi aux données mobiles. Voyez si l’appel continue.
  4. Ajoutez une troisième personne à un appel à deux. Voyez si les deux doivent d’abord raccrocher.
  5. Ouvrez l’application en tant que la personne appelée dans deux onglets et sur un téléphone où l’application est fermée, puis appelez-la. Voyez où cela sonne, et si les autres cessent de sonner dès que l’un répond.
  6. Depuis la console du navigateur, tentez d’entrer avec un token que votre serveur a donné à quelqu’un d’autre, ou pour un autre appel.
  7. Ouvrez la page de consommation du service, et lisez comment cet après-midi a été compté.

Comment WordPlus Cloud y répond

WordPlus Cloud est du second genre : une API d’appels, avec des SDK et un écran d’appel prêt à l’emploi, sur des relais et des serveurs multimédias que nous exploitons nous-mêmes. Les dix mêmes questions, dans l’ordre :

  1. Les appels entre deux personnes se connectent par trois chemins, essayés tour à tour : directement entre les deux appareils, par nos relais sur 443 et 80, les ports du web, et par nos serveurs multimédias quand même les relais ne passent pas. Un appel bascule de l’un à l’autre de lui-même, sans raccrocher.
  2. Nos relais et nos serveurs multimédias tournent dans plusieurs régions, et chaque appareil rejoint de lui-même le plus proche. Dans un appel de groupe, chaque personne rejoint un serveur de sa propre région, et nos serveurs font passer chaque piste d’une région à l’autre par des liaisons privées. La page du réseau les montre sur une carte.
  3. Un appel à deux devient un appel de groupe quand l’un ou l’autre ajoute quelqu’un, sans que personne ne raccroche. Les appels de groupe tournent sur nos serveurs multimédias, sans limite de personnes par appel, et votre serveur dit qui parle, qui écoute seulement et qui anime.
  4. La facture compte les connexions simultanées, à partir de 1 000 : $11.99 par mois, facturé à l’année, ou $14.99 facturé au mois. Les appels entre deux personnes sont inclus sur chaque chemin, relayés ou non. Avec 1 000 connexions, les appels de groupe ne sont pas décomptés jusqu’à 32 personnes en vidéo à la fois, une personne en audio comptant pour moitié, et chaque tranche de 1 000 connexions en plus en ajoute 12. Au-delà, ils coûtent $0.20 pour 1 000 minutes d’une personne en vidéo, $0.10 en audio, et votre formule ajoute 5 000 crédits par mois pour chaque tranche de 1 000 connexions. Un seul prix quelle que soit la résolution, et la bande passante et les relais ne sont jamais facturés.
  5. Les appels entre deux personnes sont chiffrés de bout en bout sur chaque chemin, à travers nos relais et nos serveurs multimédias aussi. Un appel de groupe est chiffré de bout en bout quand votre serveur le dit : chaque trame est chiffrée avant de quitter l’appareil, avec une clé que seul votre serveur distribue, et nos serveurs multimédias transmettent ce qu’ils ne peuvent pas lire.
  6. C’est votre serveur qui décide. Il donne à la page un token pour chaque appel qu’il autorise, et pour chaque personne qui rejoint un appel de groupe, en disant qui parle, qui écoute seulement et qui anime. Les hôtes coupent un micro, donnent la parole à quelqu’un et retirent quelqu’un, et votre serveur peut faire de même sans aucune page ouverte, et retirer l’accès à tout moment.
  7. Un appel sonne dans chaque onglet et chaque application que la personne appelée a ouverts, pendant 45 secondes, et cesse de sonner partout dès qu’elle répond sur l’un d’eux. Les SDK pour iOS et Android font sonner un téléphone verrouillé et une application fermée comme un appel téléphonique, grâce à CallKit et aux notifications d’appel d’Android. Chaque appel dit pourquoi il s’est terminé, y compris quand personne n’a répondu.
  8. Un écran d’appel prêt à l’emploi sur le web, iOS et Android : boutons d’appel, sonnerie et fenêtre d’appel, en neuf langues. Changez ses couleurs et ses textes, remplacez-en une partie par la vôtre, ou dessinez votre propre interface sur le même SDK. Des bibliothèques serveur pour Node.js, PHP et Python, des guides pour Next.js, Express, Laravel, PHP pur, Django, FastAPI et Flask, et une API HTTP pour tout autre langage.
  9. Dans un appel entre deux personnes, la connexion de l’autre côté est signalée comme excellente, bonne, faible ou perdue, avec le chemin qu’a pris l’appel, pour que votre écran puisse le dire. Un appel change de chemin de lui-même quand un réseau change, et la connexion d’un côté peut tomber jusqu’à 45 secondes puis revenir.
  10. Votre serveur apprend chaque appel par webhook : qui a appelé qui, quand il a été décroché, combien de secondes ils ont parlé et pourquoi il s’est terminé, ainsi que le moment où chaque personne a rejoint et quitté un appel de groupe, comptés sur nos serveurs. Un appel garde son identifiant quel que soit le nombre d’envois de son webhook, si bien qu’une répétition n’est gardée qu’une fois. Les limites sont publiées : un appel sonne 45 secondes, un token d’appel dure jusqu’à 6 heures, et un côté dont la connexion tombe a 45 secondes pour revenir.

Le guide des appels donne le code de chaque partie dans chaque stack. Comment mettre en place des appels vidéo dans Next.js construit une application entière étape par étape, et la démo en direct vous permet de l’ouvrir dans deux navigateurs et d’appeler de l’un à l’autre.

Ce qu’il vous laisse à faire

  • Une route qui donne les tokens. Qui peut appeler qui relève de votre propre logique : c’est donc du code que vous écrivez, et il en va de même de la trace que votre webhook garde de chaque appel.
  • Prévenir quelqu’un qu’il a manqué un appel. Un appel sonne pendant 45 secondes partout où la personne a une page ou une application. Ensuite, votre serveur apprend que personne n’a répondu, et c’est à vous d’envoyer l’e-mail ou le message.
  • L’enregistrement. Les SDK pour les applications n’enregistrent aucun appel aujourd’hui.
  • Les numéros de téléphone. Les appels ont lieu entre les utilisateurs de votre application, par internet, sans numéro de téléphone ni réseau téléphonique.

Si vous voulez une réunion que n’importe qui rejoint depuis un lien, sans application à vous autour, un service de réunion que vous intégrez vous convient mieux. Il en va de même si vos appels doivent joindre des numéros de téléphone.

Commencez par le guide des appels

WordPlus Cloud for Apps a un prix selon les connexions simultanées, à partir de 1 000, facturé au mois ou à l’année. Les appels entre deux personnes sont inclus, et la même formule et le même SDK apportent les appels de groupe, la diffusion en direct et le chat sur la même connexion. Découvrez l’API et le SDK d’appels vidéo avec chaque tâche dans chaque stack, ce que le cloud apporte aux applications, ou les tarifs pour les applications. Vous choisissez aussi pour le chat ? Comment choisir une API de chat pose les mêmes questions aux messages. Vous diffusez aussi devant un public ? Comment choisir une API de diffusion en direct pose les mêmes questions à une diffusion. Des questions sur votre intégration ? Écrivez-nous.