Aller au contenu
Heure mondialeEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portail sur l'IA et la technologieactualités · analyses · entretiens · fond technique

Rechercher
EN DIRECT
›

L'analytique dans la tech sportive, ce sont surtout des tableaux de scores, et c'est la vérité

Deux des textes les plus détaillés de la pile tech sportive de cette semaine ne parlent pas de sport du tout : l'un est un benchmark de la qualité du travail analytique des modèles d'IA, l'autre un remplacement auto-hébergé de Google Analytics. L'angle sportif est plus mince que ne le suggèrent les titres.

SportAnalyseAntoine GirardPublié le: 27 septembre 20265 min de lectureSources 5
L'analytique dans la tech sportive, ce sont surtout des tableaux de scores, et c'est la vérité

Cherchez analytique de données dans la tech sportive et vous trouverez une prévision de marché, une histoire de paris et beaucoup de prose commerciale. Ce que vous ne trouverez pas, dans le matériel disponible ici, c'est une seule organisation sportive publiant le fonctionnement réel de son analytique.

Cette absence est le résultat. Les documents les plus concrets et vérifiables de ce domaine décrivent des outils de données généralistes, et le lien avec le sport est historique, commercial ou implicite. Autant le dire franchement avant de répéter un chiffre de croissance.

La seule application sportive de la pile ne fait presque pas d'analytique

Slate a publié en juin un long éloge de l'application Sports d'Apple, et les louanges portent précisément sur ce que l'application refuse de faire. Pas de titres d'actualité, pas de guides de streaming, pas d'éléments de design conçus pour vous faire défiler. On obtient des noms et des logos d'équipes, les bilans, les horaires et les scores, plus une page de classement. Les cotes de paris apparaissent sur le tableau de scores par défaut mais peuvent être désactivées définitivement dans les réglages, écrit l'auteur. Il a dû couper les notifications automatiques des Pittsburgh Penguins pendant les séries éliminatoires de la Stanley Cup parce que l'application annonçait le résultat avant le flux de streaming.

C'est une affirmation sur la latence, pas sur l'analytique, et c'est l'élément le plus technique de la critique. L'article ne parle ni des buts attendus, ni des données de tracking, ni des modèles de blessures, ni de rien d'autre qui relèverait de l'analytique sportive. Sa thèse : un produit qui fait bien un seul travail bat un produit bourré de fonctions que les utilisateurs n'ont pas demandées.

Comparez cela à la mode actuelle des applications sportives, et le contraste est net. L'application de la Major League Baseball entoure les scores de ce que l'auteur appelle de la décoration. Celle d'ESPN met désormais en avant son offre de télévision en direct et un flux vidéo vertical appelé Verts. Les deux sont des entreprises d'analytique au sens où elles vous mesurent. Aucune ne vend une analyse du jeu.

Le benchmark qui mesure vraiment le raisonnement analytique

Hex a publié DataBench le 13 août, un classement pour ce qu'il appelle l'analytique agentique. Le tableau est dense et les chiffres racontent tout. Opus 5.5 en effort Max obtient 70,5 % pour un coût moyen de 3,57 dollars par tâche. GPT-6 Sol en XHigh obtient 61,3 % pour 0,58 dollar par tâche. GPT-6 Luna en Max obtient 52,3 % pour six cents.

Ces trois points suffisent à décrire l'arbitrage que fait aujourd'hui chaque équipe data. Le haut du classement coûte environ soixante fois plus par tâche que le modèle bon marché qui atteint les trois quarts du résultat. Hex précise aussi avoir mis à jour ses juges et ses grilles d'évaluation pour cesser de récompenser par accident les réponses trompeuses, ce qui a rendu le benchmark nettement plus difficile, avec un effet particulier sur les modèles d'Anthropic. Opus 5.5 reste en tête après ce changement.

La même page donne les latences. Opus 5.5 en Max met en moyenne 677,2 secondes par tâche. GPT-6 Luna en Max met 353,2 secondes. GPT-6 Astra en Low termine en 88,5 secondes avec un score de 55 %. Pour qui construit un produit analytique interactif, c'est la vraie contrainte : la meilleure réponse peut être à plusieurs minutes, et la réponse rapide peut être fausse d'une manière que personne ne vérifie.

À quoi ressemble la plomberie quand on la construit soi-même

Deux projets open source de la même fenêtre montrent l'autre moitié du problème. Adaca, un cabinet de conseil en logiciel, a publié le 8 septembre un remplacement auto-hébergé de Google Analytics 4 sur Cloudflare Workers. Les agrégats quotidiens arrivent de l'API GA4 Data ou d'un export BigQuery et atterrissent dans une base D1 que l'opérateur possède. Le temps réel reste chez Google. Six tableaux de bord sont fournis d'office, chaque chiffre s'ouvre sur une page de détail, et les rapports peuvent partir chaque semaine ou chaque mois par e-mail ou Slack. L'installation est volontairement manuelle : créer un compte de service Google avec accès Viewer, télécharger la clé JSON, appuyer sur Deploy, placer Cloudflare Access ou une authentification basique devant.

Il n'y a pas d'écran de connexion, ce qui est soit le but soit un danger selon qui lit le README. La licence est MIT.

À part, Lark est un serveur de base de données en temps réel écrit principalement en Rust sur Glommio, avec un composant de bord en Go qui termine les connexions WebSocket, WebTransport et REST. Il est conçu pour être compatible sans modification avec les SDK Firebase Realtime Database, si bien qu'une application peut garder Firebase Auth, Hosting et Storage tout en déplaçant l'arbre temps réel ailleurs. Le dépôt indique que le format sur disque ne sera pas cassé sans chemin de migration et que le numéro de version 0.x reflète l'âge du projet plutôt qu'une instabilité connue. Lark Cloud fait tourner le même code pour des clients payants.

Pourquoi un stockage moins cher ne tranche pas le débat

Cassis a publié le 23 août un texte affirmant que les agents d'IA ne suppriment pas le coût humain de rendre les données utiles, ils le redistribuent. Le cadre emprunté est le schéma à l'écriture contre le schéma à la lecture, et l'exemple de travail est un directeur financier demandant combien de clients enterprise actifs ont renouvelé le trimestre dernier. Il faut encore que quelqu'un décide quelle table contient les clients, ce que veut dire actif, ce que veut dire enterprise et quand le trimestre se termine.

Le billet découpe ce coût en trois parties : l'indexation, l'interrogation et la fiabilité. Un tableau de bord paie le coût d'indexation d'avance, parfois des semaines de travail avant le premier graphique, et il est fiable pour les questions pour lesquelles il a été conçu. Les demandes ad hoc reportent tout le coût sur une équipe data au moment de la récupération. Cassis cite un responsable data senior décrivant une rotation hebdomadaire qui consomme environ 20 % d'une équipe de cinq ou six personnes, en permanence.

La question est de savoir qui réfléchit, et quand.

Cette phrase est l'élément le plus utile de la pile pour quiconque travaille dans le sport. Un club qui suit la charge de ses joueurs, une ligue qui vend de l'inventaire de diffusion et le service commercial d'une équipe qui compte les renouvellements font tous face à la même décision sur l'endroit où placer l'effort. Les outils s'améliorent et le prix par tâche de l'analyse machine baisse vite. Rien de tout cela ne décide ce que veut dire actif.

Commentaires 0

Sources

5
  1. 01Apple Made a Sports App That Does Almost Nothing. It's IncredibleEN
  2. 02DataBench: A frontier benchmark for complex data work and analytical reasoningEN
  3. 03We rebuilt the old Google Analytics on top of GA4's dataEN
  4. 04Show HN: Lark, OSS realtime database, drop-in compatible with Firebase SDKsEN
  5. 05Why cheaper SQL doesn't make analytics cheapEN

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.

Antoine Girard

Antoine Girard

Sport, auto et voyages

Antoine Girard suit le sport, l'automobile et les voyages pour FLASH24, en s'appuyant sur les dépêches d'agences, les communiqués officiels et les données chronométrées, sans reprendre une information sans source. Il vérifie les temps, les classements et les fiches techniques en croisant au moins deux documents, et recalcule lui-même les écarts et les consommations annoncées. Il interroge mécaniciens, organisateurs et constructeurs, et attend les salons et les lancements de modèles pour comparer les chiffres sur place. Cette même exigence le suit en privé, où il roule en voiture électrique, démonte et remonte des moteurs dans son garage et traverse l'Europe en train. Il ne publie pas un chiffre qu'il n'a pas pu contrôler.

Rédaction →

Commentaires

0
  1. Aucun commentaire — soyez le premier.

Écrire un commentaire

Les commentaires sont publics. Nous ne publions ni insultes, ni spam, ni publicité.