L'application Sports d'Apple et la guerre silencieuse des données sportives

L'application Sports d'Apple ne fait presque rien, et c'est là tout son intérêt. Le critique de Slate, qui écrivait le 10 juin 2026 alors que la Coupe du monde démarrait, a compté ce qu'elle propose : noms et logos des équipes, bilans, horaires des matchs, scores en direct et finaux, une page de classements, et un bouton qui désactive les cotes de paris affichées sur le tableau de score. Aucun titre d'actualité. Aucun guide de diffusion, sauf si l'on touche un match. Aucun élément de design conçu pour retenir le regard.

Cette retenue est assez rare pour mériter d'être signalée. Et elle tombe au milieu d'un débat bien plus vaste sur les données sportives : qui les collecte, qui les paie, et qui décide quelle version d'un chiffre est la bonne.

Une application minimale dans un marché maximal

Apple a annoncé Sports à l'hiver 2024. Selon Slate, la présentation tenait en une phrase d'un dirigeant d'Apple : « We created Apple Sports to give sports fans what they want, an app that delivers incredibly fast access to scores and stats. » L'application couvre les matchs de la Coupe du monde ainsi que le soccer en MLS, en NWSL et dans une trentaine d'autres ligues, dont la Serie A équatorienne et la deuxième division allemande. Elle ajoute le tennis masculin et féminin et le LPGA Tour. Touchez un match et vous obtenez une feuille de match basique, un classement ou les effectifs. Les Live Activities peuvent pousser les scores d'une équipe sur l'écran verrouillé.

Le marché qui entoure cette simplicité n'a pourtant rien de calme. MarketsandMarkets, dans un rapport relayé par Yahoo Finance le 22 septembre 2026, projette le marché de l'IA dans le sport à 2,61 milliards de dollars d'ici 2030, en croissance de 16,7 % par an en taux composé. La couverture récente sur la même période inclut un partenariat de Databricks avec Cal Athletics, un centre sportif de l'Atlantic Council, et un article du New York Post affirmant que DraftKings a utilisé l'IA pour cibler des parieurs perdants. Aucune de ces frictions n'apparaît dans l'application d'Apple, et c'est précisément pour cela que le critique l'a appréciée.

L'argument inverse est que consulter un score n'a jamais été la partie intéressante. La partie intéressante, c'est ce qui arrive aux données en dessous : les flux d'événements, les systèmes de suivi, les contrôles d'intégrité. C'est là que se trouvent l'argent et la controverse.

D'où viennent réellement les données

Sean Ingle, du Guardian, a défendu une version de cet argument le 15 juillet 2025, après la deuxième année de jugement électronique des lignes à Wimbledon. Les gros titres de cette quinzaine portaient sur des ratés. Le système a manqué une balle de Sonay Kartal qui sortait face à Anastasia Pavlyuchenkova, dans un cas où un officiel avait accidentellement éteint le système. Un coup droit de Taylor Fritz a été annoncé out alors qu'il tombait quatre pieds à l'intérieur de la ligne, avec un ramasseur de balles encore sur le court quand l'Américain a entamé son service.

Le point d'Ingle était que l'indignation enterrait le taux de base. Wimbledon utilisait une version survitaminée de Hawk-Eye, en service là-bas depuis 2007. Des chercheurs ont estimé que les juges de ligne se trompent sur environ 8 % des balles litigieuses. Les joueurs font pire. Sur les 1 535 contestations dans les simples messieurs et dames à Wimbledon en 2024, seules 380, moins de 25 %, ont été annulées. Quand un joueur croyait que la balle était out, il se trompait trois fois sur quatre.

« No system is 100% perfect, but they are demonstrably more accurate than relying purely on human decision-making », a déclaré Matt Drew, qui a fondé le département intégrité de StatsPerform, dans des propos publiés par le Guardian.

Ingle cite aussi deux études sur les biais humains. L'une demandait à 40 arbitres de football qualifiés de juger 47 actions d'un match Liverpool-Leicester ; la moitié regardait avec le bruit de la foule, l'autre en silence. Le groupe avec bruit de foule a sifflé nettement moins de fautes contre Liverpool, 15,5 % de moins. Une autre, en Norvège, a constaté que les équipes qui gagnent obtenaient plus souvent des décisions favorables sur penalty. Les psychologues appellent cela la conformité.

Voilà l'argument en faveur des machines, et c'est un argument de données, pas de sentiment. La précision se mesure. Le biais se mesure. Les deux peuvent être comparés.

La facture analytique que personne ne budgète

Il reste ensuite la couche que la plupart des fans ne voient jamais : la plomberie qui transforme des événements bruts en un chiffre auquel quelqu'un fait confiance. Un billet du blog Cassis, publié le 23 août 2026, soutient qu'un SQL moins cher ne rend pas l'analytique bon marché, parce que chaque réponse porte un coût humain qui se redistribue au lieu de disparaître. Le billet découpe ce coût en trois parties : l'indexation, le travail initial de définition des métriques et de documentation de la logique ; l'interrogation, l'effort au moment de la récupération ; et la fiabilité, à savoir si le chiffre qui revient est sémantiquement juste même quand le SQL tourne sans erreur.

L'exemple est un directeur financier qui demande combien de clients entreprises actifs ont renouvelé le trimestre dernier. Avant que quiconque réponde, il faut décider quelle table contient les données clients, ce que signifie « actif », ce qui compte comme « entreprise », et ce que « trimestre dernier » veut dire dans le calendrier fiscal. Cassis décrit un responsable data senior qui organise une rotation hebdomadaire où une seule personne traite les questions ad hoc, ce qui consomme environ 20 % d'une équipe de cinq ou six personnes, en permanence.

Les organisations sportives ont le même problème avec d'autres mots. Qu'est-ce qu'une passe réussie ? Une possession ? Un tacle ? La session d'un fan sur l'application d'un club ? Les définitions sont le produit. Ratez-les et le tableau de bord s'affiche quand même.

Les développeurs livrent les parties ennuyeuses

Deux projets open source publiés en septembre 2026 montrent à quel point ce travail est devenu une infrastructure banale. Adaca Analytics, un tableau de bord auto-hébergé pour Google Analytics 4 construit sur Cloudflare Workers, stocke des cumuls quotidiens issus de l'API GA4 Data ou d'un export BigQuery dans une base D1 que l'opérateur possède, et laisse le temps réel chez Google. Il livre six tableaux de bord et un constructeur en quatre étapes, avec des pages de détail pour les sources, les pages et les pays, des liens de partage en lecture seule qui peuvent figer un filtre, et des résumés hebdomadaires ou mensuels envoyés par e-mail ou Slack. Il est sous licence MIT et vient d'Adaca, un cabinet de conseil en logiciel.

Plainoldanalytics, publié sur Hacker News le 13 septembre 2026, prend l'approche inverse : un intergiciel analytique greffé sur des applications Go, proche dans l'esprit d'Umami, Plausible ou PostHog mais intégré à l'application. Son paquet central est agnostique en matière de stockage, avec des backends dont DuckDB et un stockage en mémoire, un tableau de bord intégré monté sur le chemin de votre choix, l'enregistrement de sessions, des événements personnalisés et des propriétés clé-valeur. Le trafic est vidé sur disque environ une fois par seconde.

Aucun des deux projets ne vous dira qui a gagné hier soir. Mais ils forment la couche qui décide si le chiffre qu'on vous montre est bien celui que vous croyez.

La Coupe du monde continuera de produire des débats sur les décisions, et la NFL remplacera sa chaîne de mesure par la technologie Hawk-Eye à partir de septembre, comme l'a rapporté le Guardian. Les écrans continueront d'aller plus vite. Les définitions en dessous, voilà où se joue réellement la bataille.