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'application Sports d'Apple n'est presque pas un produit de données. C'est justement le but

L'application Sports d'Apple n'a presque aucune fonctionnalité, pas de fil d'actualité et aucun mécanisme d'engagement. La critique de Slate parue en juin soutient que c'est sa rapidité, et non sa science des données, qui la fait fonctionner.

SportActualitéAntoine GirardPublié le: 27 septembre 20264 min de lectureSources 6
L'application Sports d'Apple n'est presque pas un produit de données. C'est justement le but

Le marché de la technologie sportive se présente comme un problème de données. Les gros titres récents parlent de suivi de la performance, d'analytique billetterie et d'IA dans le sport. Tout cela renvoie à des pipelines plus gros et des modèles plus intelligents. L'un des produits sportifs les plus utilisés des deux dernières années va dans l'autre sens.

Slate a testé l'application Sports d'Apple en juin sous un titre affirmant qu'elle « ne fait presque rien ». L'article décrit une application sans titres d'actualité, sans guides de diffusion et sans éléments de design destinés à retenir l'utilisateur. Elle contient des noms et logos d'équipes, des bilans, des horaires et les scores des matchs en cours ou terminés, plus une page de classements. Voilà le produit.

Le coût se loge dans la requête, pas dans l'index

Le contraste avec la façon dont les éditeurs d'analytique posent le problème est net. Un article publié en août par Cassis, une société d'outillage de données, expose un cadre simple. Il demande où atterrit le coût humain de répondre à une question de données. L'article répartit ce coût entre indexation et interrogation. L'indexation est le travail initial de structuration de l'information pour qu'on la retrouve plus tard. L'interrogation est l'effort au moment où quelqu'un a réellement besoin d'une réponse. L'article emprunte une analogie de garde-robe à Hrishi Olickel. Le schéma à l'écriture, c'est ranger les vêtements directement dans une armoire, triés par fonction. Le schéma à la lecture, c'est fouiller un tas en désordre quand on a besoin de quelque chose.

L'application d'Apple est un pari extrême sur l'indexation. Il a fallu décider quelles ligues comptent et comment les classements sont structurés. Il a fallu décider comment les feuilles de match sont présentées et à quelle vitesse un score atteint un écran verrouillé. L'utilisateur ne paie presque rien au moment de la requête. Le critique de Slate note que l'application faisait remonter des nouvelles des Pittsburgh Penguins pendant les séries éliminatoires de la Coupe Stanley avant que la diffusion en streaming ne suive. Il a dû désactiver les mises à jour automatiques.

« Nous avons créé Apple Sports pour donner aux fans de sport ce qu'ils veulent, une application qui offre un accès extrêmement rapide aux scores et aux statistiques. »

Cette citation d'un dirigeant d'Apple, reprise dans l'article de Slate, résume tout l'argumentaire. Aucune mention d'agentique ni rien de ce genre. Le critique liste la couverture de l'application : matchs de Coupe du monde, MLS, NWSL et une trentaine d'autres ligues. La Serie A équatorienne et la deuxième division allemande en font partie, aux côtés du tennis masculin et féminin et du LPGA Tour.

Les agents déplacent le coût, ils ne le suppriment pas

L'essentiel de la poussée actuelle en analytique sportive suppose l'arbitrage inverse : accepter un produit plus lourd pour obtenir plus en retour. Cette hypothèse est sous pression dans tout l'outillage de données. L'article de Cassis soutient que les agents IA ne suppriment pas le coût humain de rendre les données utiles. Ils le redistribuent, et cette redistribution passe facilement inaperçue. Un responsable données senior cité dans l'article décrit une rotation hebdomadaire. Une personne est dédiée aux questions ad hoc, ce qui consomme en permanence environ 20 % d'une équipe de cinq ou six personnes.

Starburst a publié sa propre analyse de l'analyse de données agentique en septembre. Elle aboutit à une conclusion proche par un autre chemin. L'entreprise décrit une option qu'elle appelle délibérément « option 0 » : extraire les données brutes des systèmes sources et les envoyer à un agent sous forme de fichiers ou par un tuyau direct. L'objection de Starburst porte sur le coût. Envoyer des téraoctets de données à un agent peut devenir prohibitif si l'agent facture à l'élément traité. Son option préférée consiste à donner à l'agent des identifiants d'accès à la base et à le laisser écrire son propre SQL. Le moteur de base de données fait alors le travail pour lequel il est conçu.

Starburst signale aussi le risque opérationnel de cette approche. Les agents, écrit l'article, peuvent être bien plus exigeants que des humains. Ils peuvent submerger une base de données de requêtes spéculatives à force d'itérer. L'entreprise présente cela comme un problème de charge de travail sur lequel l'industrie des bases de données travaille activement, pas comme un problème résolu.

Petits outils, petites surfaces

Le même réflexe se retrouve dans des publications open source plus modestes. Adaca Analytics est un projet de tableau de bord auto-hébergé pour Google Analytics 4, publié sur GitHub en septembre. Il tourne sur Cloudflare Workers avec des agrégations quotidiennes issues de l'API GA4 Data ou d'un export BigQuery qui atterrit dans une base D1 que l'opérateur possède. Le temps réel reste chez Google. Le dépôt annonce six tableaux de bord prêts à l'emploi, un constructeur en quatre étapes et des pages de détail précalculées pour qu'un clic sur un chiffre revienne en un seul aller-retour. Licence MIT.

DataZen, présenté sur Hacker News fin août, adopte une ligne comparable sur le périmètre du travail sur base de données. C'est un client de bureau de moins de 15 Mo, sous GPLv3, sans compte. Les identifiants sont chiffrés en AES-256-GCM dans le trousseau du système, et les requêtes IA ne partent que vers le fournisseur configuré par l'utilisateur. Plainoldanalytics, publié en septembre, est un middleware Go qui monte un tableau de bord sur un routeur HTTP existant et écrit le trafic sur disque environ une fois par seconde.

Aucun de ces produits ne promet de répondre à la question du directeur financier sur les clients entreprise qui ont renouvelé. Ils promettent que la réponse, une fois que quelqu'un l'a définie, coûte peu à récupérer. Cassis énonce clairement la part non budgétée. Amener quatre équipes à s'accorder sur ce que signifie « client actif » est un travail d'indexation. Il ne disparaît pas parce qu'un agent écrit désormais le SQL.

Pour les produits sportifs, l'analogie tient avec une différence. Les fans sont déjà d'accord sur ce qu'est un score. Le débat de définition qui ronge les budgets analytiques n'existe pas. C'est peut-être précisément pour cela que le fait de ne presque rien faire fonctionne.

Commentaires 0

Sources

6
  1. 01Apple Made a Sports App That Does Almost Nothing. It's IncredibleEN
  2. 02There's still no free lunch in data analyticsEN
  3. 03An Analysis of Two Architectures for Agentic Data AnalysisEN
  4. 04We rebuilt the old Google Analytics on top of GA4's dataEN
  5. 05Show HN: DataZen – a local-first client for cross-database workflowsEN
  6. 06Show HN: Plainoldanalytics: Analytics Middlware for GoEN

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.