L'analyse sportive n'a pas d'article dédié dans le dossier, voici ce que montrent vraiment les données
Le dernier élément publié ici, le 30 septembre, n'est pas un article de sport. C'est une étude qui montre que la plupart des centres de données européens refusent de dire combien d'eau et d'électricité ils consomment, cette même infrastructure dont l'analyse sportive dépend de plus en plus.

Lighthouse Report a mené cette étude avec Trouw et d'autres médias européens. Elle établit qu'aux Pays-Bas, moins d'un quart des grands centres de données publient des chiffres sur leur consommation d'électricité et d'eau potable. Les chercheurs ont passé un an à invoquer les lois sur l'accès à l'information partout en Europe et n'en ont presque rien tiré. NL Times rapportait le 30 septembre que les Pays-Bas comptaient 186 centres de données commerciaux de 500 kW ou plus à la fin de l'année dernière. L'agence nationale RVO ne détient des données que sur 104 d'entre eux.
Le sujet ici, c'est l'analyse des données dans le sport. Aucune enquête consacrée à l'analyse sportive n'apparaît toutefois ici sur les 72 dernières heures. Les titres récents fournis pour le contexte sont presque tous des contenus promotionnels ou des études de marché, et nos règles internes interdisent de les citer comme des faits. On peut néanmoins lire les articles réels sur l'infrastructure et la gouvernance des données, et se demander ce qu'ils signifient pour un secteur qui se vend sur la mesure.
Commençons par la puissance de calcul. Un article soumis à arXiv le 29 septembre décrit Purlin, un cadre de communication pour les collectifs de GPU. Ses auteurs sont Osayamen Jonathan Aimuyo, Swapnil Gandhi et Christos Kozyrakis. Ils rapportent des accélérations de latence allant jusqu'à 5,14x et des gains de bande passante allant jusqu'à 4,50x sur sept collectifs, sur des GPU A100, H200 et B200. Intégré à SGLang, Purlin améliore selon eux le débit et l'interactivité du service LLM hors ligne de 1,13x en moyenne, et jusqu'à 1,37x.
C'est un article de systèmes distribués, pas un article de sport. Il compte quand même, parce que les mêmes parcs de GPU qui servent les modèles de langage servent aussi la revue vidéo, les données de tracking et les outils de résumés génératifs. Purlin sépare l'orchestration du chemin de données, ce qui réduit le coût d'adoption d'un nouveau matériel. Pour les ligues et les diffuseurs qui font de l'inférence en bordure d'un événement en direct, c'est la différence entre un produit et une démonstration.
Où se logeraient les données sportives
Le 30 septembre, AWS a annoncé qu'Aurora PostgreSQL permet désormais d'interroger directement des données Apache Iceberg et Parquet. Le service utilise le moteur de requête de DuckDB intégré à PostgreSQL, sans pipeline ETL ni duplication de données. La fonctionnalité est disponible en général sur Aurora PostgreSQL 17.11, 18.6 et versions supérieures dans toutes les régions commerciales et GovCloud d'AWS, sans frais supplémentaires.
À lire avec le billet d'ingénierie de Tigris publié le même jour. L'entreprise de stockage objet y explique pourquoi elle a déplacé des tâches asynchrones comme le ramasse-miettes des files FoundationDB vers Kafka. Tigris dit conserver ses files dans FoundationDB, le magasin clé-valeur derrière iCloud. Mais la planification exigeait trop d'écritures et de balayages en concurrence avec les requêtes des utilisateurs.
Ces deux billets décrivent le même problème par les deux bouts. Les organisations sportives collectent données d'événement, biométrie, billetterie et vidéo dans des systèmes séparés. Elles passent ensuite du temps d'ingénierie à les copier dans un entrepôt avant que quiconque puisse les interroger. AWS vend le raccourci. Tigris décrit ce qui arrive quand on le prend et que la charge grandit.
« Tout ce dispositif ajoute une couche d'opacité de plus sur l'usage des données des lecteurs de plaques d'immatriculation et sur ceux qui les utilisent », a déclaré Jeramie Scott, directeur du Surveillance Oversight Center de l'Electronic Privacy Information Center, à 404 Media.
Scott parlait des lecteurs de plaques d'immatriculation, pas de sport. Mais 404 Media rapportait le 30 septembre que l'administration Trump se sert du programme High Intensity Drug Trafficking Area, créé dans les années 1980, pour contraindre les villes à verser les données de Flock, Axon et d'autres systèmes ALPR dans des centres de surveillance fédéraux. Une partie de ces données est transmise au National License Plate Reader Program de la DEA. Le rapport indique que les villes de Géorgie ne peuvent pas exploiter de systèmes ALPR sur les emprises de l'État sans signer un protocole d'accord promettant d'envoyer les données à un HIDTA.
Pourquoi cela a-t-il sa place dans une analyse sur la technologie sportive ? Parce que les mêmes fournisseurs, les mêmes services d'achat et souvent les mêmes budgets municipaux se trouvent derrière la sécurité des stades et la surveillance les jours de match. Une ville a peut-être déjà cédé ses données de caméras à un programme fédéral. Les conditions dans lesquelles un club ou un site peut promettre la confidentialité aux supporters ne dépendent alors plus du club.
La question des données de santé
The Guardian rapportait le 30 septembre que plus de 44 000 personnes ont déposé des objections légales au titre de l'article 21 du RGPD britannique. Elles s'opposent au traitement de leurs données de santé par la Federated Data Platform propulsée par Palantir, le contrat de 330 000 000 £ de NHS England. Les objections soutiennent que l'implication de Palantir mine la confiance dans la confidentialité des données du NHS. NHS England a répondu que toutes les organisations du NHS restent maîtresses de leurs données et que les fournisseurs ne peuvent y accéder pour leurs propres besoins.
Toujours le 30 septembre, The Guardian rapportait les propos du secrétaire américain à la Santé Robert F. Kennedy Jr lors d'un événement du Maha Institute. Il y décrivait la mise en relation des données médicales, de mode de vie et de remboursement entre Medicaid, Medicare, la FDA et le CDC, pour que l'IA puisse les explorer. Il a affirmé que des études qui prenaient des années peuvent désormais être faites « littéralement en quelques secondes ».
Le sport de haut niveau répète depuis dix ans que les données de santé des athlètes sont à part. Il affirme que le consentement et la négociation collective les encadrent, pas le droit de la santé publique. Cet argument devient plus difficile à défendre en public quand les mêmes outils, les mêmes prestataires et les mêmes schémas de recherche par IA sont déployés sur des populations qui n'ont jamais donné leur accord.
Un dernier chiffre, de la même semaine. The Decoder rapportait le 30 septembre que Meta a économisé 3 900 000 000 $ en 2025 grâce à un crédit d'impôt fédéral pour la recherche, selon le New York Times. Meta y est parvenu en classant ses centres de données d'IA comme « modèles pilotes » et les puces Nvidia comme matériaux expérimentaux. Les propres dépôts SEC de Meta avertissent que ces économies pourraient être contestées, et ses provisions pour positions fiscales incertaines ont augmenté de 45 pour cent, à 18 740 000 000 $.
Les fournisseurs d'analyse sportive n'opèrent pas à cette échelle. Le constat est structurel. La couche de calcul sous chaque système de tracking, chaque modèle de paris et chaque enrichissement de diffusion est financée, taxée et régulée d'une manière que ses clients voient rarement. Les articles les plus récents ici portent sur cette couche, pas sur le sport. C'est la lecture honnête de la semaine.
Sources
8- 01Most data centers refusing to say how much water, electricity they useEN
- 02Purlin: Separating Orchestration from the Datapath of CollectivesEN
- 03Aurora PostgreSQL now supports querying of Apache Iceberg and Parquet dataEN
- 04We used a database as a message queue. Now we use KafkaEN
- 05How Cities Are Forced to Funnel License Plate Data to a Massive Federal Surveillance ProgramEN
- 06More than 44,000 file legal objections to Palantir NHS platform handling their dataEN
- 07RFK Jr outlines expansive vision for collecting US health data at Maha eventEN
- 08Meta dodges billions in US taxes by calling its AI data centers experimentsEN
Tous les chiffres et citations de ce texte proviennent des sources citées ci-dessous.
Les contenus ont été préparés par l'équipe de rédaction, assistée par l'IA.
Commentaires
0- Aucun commentaire — soyez le premier.