Un écouteur passif local peut exploiter le Fingerprinting de Sites Web (FSW) pour déanonymiser les activités de navigation sur Internet des utilisateurs de Tor. La valeur des informations temporelles pour le FSW a souvent été minimisée dans les travaux récents en raison de la volatilité des informations temporelles de bas niveau. Dans cet article, nous examinons plus attentivement l'ampleur avec laquelle le timing des paquets peut être utilisé pour faciliter les attaques par FSW. Nous proposons d'abord un nouveau ensemble de caractéristiques liées au timing basées sur les caractéristiques au niveau des rafales afin d'identifier davantage de moyens par lesquels les modèles temporels peuvent être utilisés par des classifieurs pour identifier des sites. Ensuite, nous évaluons l'efficacité du timing brut et du timing directionnel, qui est une combinaison du timing brut et de la direction, dans une attaque par FSW basée sur l'apprentissage profond. Notre évaluation en monde fermé montre que le timing directionnel offre les meilleures performances dans la plupart des configurations que nous avons explorées, atteignant : (i) 98,4 % pour le trafic Tor non protégé ; (ii) 93,5 % pour le trafic WTF-PAD, plusieurs points supérieurs à ceux obtenus avec uniquement l'information directionnelle ; et (iii) 64,7 % contre les sites oignon, soit 12 % de plus qu'en utilisant uniquement la direction. Des évaluations supplémentaires en monde ouvert montrent de petites augmentations tant en précision (+2 %) qu'en rappel (+6 %) avec le timing directionnel sur le trafic WTF-PAD. Pour approfondir notre investigation sur la valeur des informations temporelles, nous effectuons une analyse de fuite d'informations sur nos caractéristiques conçues manuellement. Nos résultats montrent que bien que les caractéristiques temporelles fassent fuir moins d'informations que les caractéristiques directionnelles, l'information contenue dans chaque caractéristique est mutuellement exclusive aux autres et peut donc améliorer la robustesse d'un classifieur.