Des agents IA laissent fuiter des captures d'écran d'entreprise, les voitures transmettent des données : les chiffres derrière le boom de la tech sportive

Les chercheurs, liés à Glow Security, une start-up soutenue par Sequoia et Greenoaks, ont retrouvé ces captures chez 343 entreprises. Ils ont baptisé leur découverte PixelLeak. The Register a publié les résultats le 29 septembre. Parmi les fuites : une entreprise de voyage du Fortune 500, des sociétés financières, des fournisseurs de cloud et des entreprises de modèles de fondation.

En quoi cela concerne-t-il ceux qui construisent des produits d'analyse sportive ? Parce que les outils agentiques qui permettent à une petite équipe de livrer un tableau de bord de performance en une semaine sont exactement ceux qui apparaissent dans la fuite. Selon The Register, les développeurs demandent à un agent IA de montrer des images d'interface avant et après. GitHub n'a pas d'API pour téléverser des images dans les pull requests : les agents les publient donc dans des dépôts publics. Un fabricant de plus de 100 000 employés n'a découvert ces publications que lorsque Glow a prévenu son équipe de sécurité.

Glow affirme qu'environ un tiers des fuites sont passées par gitshot, un outil de capture d'écran open source. Son propre avis de confidentialité prévient que les images téléversées sont publiques par défaut. « Le plus grand facteur de risque que nous observons, c'est de l'IA légitime utilisée par des développeurs, mais qui fait ensuite des choses qui ne devraient pas être faites », a déclaré à The Register Omer Singer, cofondateur et directeur technique de Glow.

Les tuyaux de données continuent de grossir

L'économie de la donnée, plus large, dont se nourrit la technologie sportive ne se réduit pas. Bain and Company a déclaré le 29 septembre que l'industrie de l'IA doit générer 6 000 000 000 000 de dollars de revenus annuels d'ici 2031 pour justifier les dépenses d'investissement en centres de données, selon The National. Le cabinet prévoit que les dépenses annuelles en infrastructures d'IA pourraient atteindre 1 500 000 000 000 de dollars d'ici 2031. Il affirme aussi que la taille et les coûts des centres de données doublent à peu près tous les 12 à 16 mois. Ce déploiement est présenté aux provinces et aux États.

La CBC a rapporté le 29 septembre que le ministre de l'Énergie de Terre-Neuve-et-Labrador, Lloyd Parrott, a déclaré que la porte de la province est « ouverte aux affaires », après que des entreprises l'ont approché au sujet de centres de données d'IA. La directrice générale de TechNL, Andrea King, a dit à la CBC que le Labrador dispose d'une hydroélectricité sobre en carbone, d'un climat froid et de terres, mais qu'il faut encore peser le coût d'opportunité. Les flux de données des consommateurs sont eux aussi sous un nouvel examen.

Une étude de l'université Northeastern menée avec Consumer Reports, publiée cette semaine et couverte par The Verge et Consumer Reports le 29 septembre, a testé 21 véhicules de modèles récents de 19 marques ainsi que 30 applications compagnon. Chaque véhicule a transmis des données à au moins un domaine tiers via le Wi-Fi. Plus de la moitié ont contacté des domaines publicitaires, de suivi ou d'analyse. Sept applications ont envoyé des numéros de châssis, des numéros de téléphone et des localisations précises à des réseaux publicitaires.

« Il ne semble pas qu'un client puisse acheter une voiture neuve qui ne le piste pas », a déclaré la coautrice de l'étude Sarah Elizabeth Gillespie, dans Consumer Reports.

Rien de tout cela n'est hypothétique pour les équipes qui livrent des objets connectés portables, des systèmes de billetterie ou des applications pour supporters. La fuite du Defense Manpower Data Center du Pentagone a exposé les dossiers de plus de 3 000 000 de personnes, dont des numéros de sécurité sociale stockés sans chiffrement, selon Beinsure le 29 septembre. Datadog, qui traite plus de 100 000 000 000 000 d'événements par jour, a décrit dans un billet de blog Antithesis le 29 septembre comment elle a utilisé l'injection de fautes pour reconstruire son pipeline d'ingestion sans perdre de données. La leçon pour l'analyse sportive manque de glamour. Chaque jeu de données que vous collectez est un jeu de données que vous devez protéger, sauvegarder et finir par supprimer. BMLL, sur le blog de Polars le 29 septembre, affirme traiter plus de 1,5 To de données de microstructure de marché en un peu plus de 3 minutes sur une seule machine. L'argument parlera à quiconque évalue des charges de travail de suivi d'athlètes. Les outils sont rapides. La gouvernance ne l'est pas.