Contexte de l’étude

Mozilla a exploité les données de télémétrie de près de 25 millions d’utilisateurs de Firefox en version release. L’objectif était de quantifier, à l’échelle d’une population réelle, le taux d’unicité des navigateurs et d’identifier les métriques qui le pilotent. La collecte s’est faite via des protocoles de confidentialité tels qu’OHTTP, garantissant qu’aucun utilisateur individuel ne puisse être retracé entre les sites. Les résultats offrent une base empirique rare pour les débats sur le suivi par empreinte numérique.

Mécanismes d’unicité et métriques clés

Les auteurs constatent que l’unicité n’est pas le produit de la somme de dizaines de mesures, mais qu’elle provient d’un petit sous‑ensemble. Sur plus de 50 métriques recueillies, 80 % des utilisateurs identifiés comme uniques le sont après seulement 8 métriques selon le modèle Fingerprint Pro, et après 9 métriques pour le modèle Signifyd qui en collecte davantage. Cette distribution rappelle la règle 80/20 : peu de variables expliquent la majorité des différences. De plus, la répartition de l’unicité varie fortement selon le système d’exploitation, chaque OS exposant un jeu de caractéristiques distinctes.

Évaluation des protections et impact par plateforme

Sur la base de ces observations, Mozilla a intégré dans Firefox 143 une série de mitigations ciblées. Le principal effet mesuré est une réduction du taux d’utilisateurs uniques de 75 % à 46 %. L’impact n’est pas homogène : le clamping de la résolution d’écran, par exemple, diminue l’unicité cumulative sous macOS de 25,3 points de pourcentage, alors que la même mesure ne dépasse 3 points sur les trois autres systèmes. En moyenne, l’effet agrégé s’établit à 3,5 pp. Cette disparité souligne la nécessité d’analyser les protections par segment d’OS plutôt que de se contenter d’un chiffre global.

Analyse des mesures d’efficacité

Les chercheurs critiquent l’usage exclusif de l’entropie de Shannon comme indicateur de risque ; une métrique à haute entropie ne prédit pas toujours une forte capacité d’identification. À la place, ils emploient l’indice de Simpson (ou Herfindahl–Hirschman) pour mesurer la taille des cohortes partagées. Deux protections peuvent réduire le pourcentage d’utilisateurs uniques de façon similaire, mais l’une peut augmenter le score de cohorte de 56 % contre 13 % pour l’autre, révélant une différence substantielle dans la façon dont les utilisateurs sont regroupés. Enfin, la combinaison de standardisation (valeurs uniformisées) et de randomisation (variation contrôlée) apparaît comme la stratégie la plus robuste : la standardisation rapproche les empreintes, tandis que la randomisation empêche les sites à faible trafic de distinguer les rares cas restants.