Le tableau de bord discret d'Apple et la vague d'outils analytiques open source

Deux choses se sont produites cette année dans la technologie sportive, et il vaut la peine de les mettre côte à côte. Apple a livré une application de sport qui fait une seule chose. Un groupe de développeurs, de cabinets de conseil et de fournisseurs de bases de données ont livré des outils qui tentent de rendre l'analyse moins dépendante d'une poignée de fournisseurs cloud.

Slate a publié le 10 juin un article soutenant qu'Apple Sports, lancée à l'hiver 2024, est un cas rare d'application qui fait exactement ce qu'elle promet. L'article énumère ce que l'application n'a pas : pas de titres d'actualité, pas de guides de diffusion, pas de défilement à la TikTok. L'auteur, qui dit l'utiliser pour la NHL, la NFL, le football universitaire et le basketball universitaire, raconte avoir dû désactiver les notifications automatiques des Pittsburgh Penguins pendant les séries éliminatoires de la Coupe Stanley. L'application était plus rapide que son abonnement de diffusion.

Les données derrière la simplicité

Le fonctionnement mérite d'être détaillé, car il explique pourquoi une application de consultation de scores semble différente de ce que sont devenues ESPN ou la MLB. Apple Sports affiche les noms d'équipes, les logos, les bilans, les heures de match et les scores, plus les classements. Touchez un match et vous obtenez une feuille de match, un classement des joueurs ou les effectifs. L'application couvre la MLS, la NWSL et une trentaine d'autres ligues de football, dont la Serie A équatorienne et la deuxième division allemande, plus le tennis masculin et féminin et le LPGA Tour. Les Activités en direct peuvent pousser les scores sur l'écran verrouillé. Les cotes de paris apparaissent sur le tableau de bord mais peuvent être désactivées dans les réglages. La publicité est décrite comme occasionnelle, surtout des bannières renvoyant vers Apple TV.

Slate cite le discours de lancement d'un dirigeant d'Apple en 2024 : « 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. » Toute la promesse du produit tient là. Pas de couche agentique, pas de bot résumeur, pas de génération d'images.

Savoir si cette retenue passe à l'échelle est une autre question. L'application consomme des données sportives plutôt qu'elle n'en produit, et sa valeur dépend d'accords de licence avec les ligues et les fournisseurs de données dont Slate ne parle pas. Elle dépend aussi de la volonté d'Apple de maintenir un produit sans revenu évident. Ni l'un ni l'autre n'est garanti.

L'autre versant du marché

Pendant ce temps, la couche d'outillage sous l'analyse sportive et d'entreprise se remplit. Le 13 septembre, un projet nommé plainoldanalytics est apparu sur GitHub sous le pseudonyme poundifdef. C'est un paquet d'analyse web auto-hébergé et greffé sur des applications Go. Son auteur le présente comme proche par l'esprit d'Umami, Plausible ou PostHog, mais intégré à l'application elle-même. Le paquet central est indépendant du stockage : l'importer n'entraîne ni DuckDB ni aucun autre moteur. Les développeurs choisissent un paquet de stockage, ou implémentent l'interface Storage et la passent à plainoldanalytics.New.

Le dépôt montre un tableau de bord intégré monté sur le chemin de votre choix, un intergiciel et un enregistreur de sessions navigateur facultatif. Le trafic est écrit sur disque environ une fois par seconde, et le README invite les développeurs à appeler Close() à l'arrêt pour vider ce qui reste en mémoire tampon. Des adaptateurs existent pour gin et chi. La documentation précise que l'intergiciel doit être limité à un groupe, pour que le tableau de bord analytique ne soit pas lui-même enregistré comme trafic.

Le 8 septembre, un cabinet de conseil nommé Adaca a publié une autre approche : adaca-analytics, un tableau de bord auto-hébergé pour Google Analytics 4 et BigQuery, fonctionnant sur Cloudflare Workers. Les agrégats quotidiens issus de l'API GA4 Data ou d'un export BigQuery arrivent dans une base D1 que l'utilisateur possède, tandis que le temps réel reste chez Google. Le README décrit six tableaux de bord prêts à l'emploi, un générateur en quatre étapes, des segments enregistrés, des liens de partage en lecture seule, une comparaison avec les périodes précédentes, et des résumés hebdomadaires et mensuels par e-mail ou Slack. L'installation exige un compte de service Google avec accès Lecteur et un déploiement sur Cloudflare, qui duplique le dépôt et provisionne D1 et KV.

Le projet est sous licence MIT. Adaca se présente comme un cabinet de conseil qui développe des logiciels sur mesure et intègre des ingénieurs expérimentés dans les équipes de ses clients.

Débats d'architecture

Starburst a publié le 11 septembre une analyse de deux architectures pour l'analyse de données agentique, et son cadre s'applique aux deux outils ci-dessus. La première option consiste à extraire les données des systèmes sources et à remettre les fichiers bruts à un agent. Starburst l'appelle « option 0 » et soutient qu'elle est peu pratique hors circonstances particulières, car les agents facturés à l'unité de donnée deviennent hors de prix quand on envoie des téraoctets. La deuxième option donne à l'agent un accès direct à la base de données et le laisse écrire son propre SQL. Il affine les requêtes au fil des itérations, pendant que le moteur de base de données fait le traitement. Starburst note que les agents peuvent submerger les systèmes de bases de données de requêtes spéculatives, mais affirme que le secteur se concentre sur la prise en charge des charges de travail agentiques.

Voilà le compromis que font discrètement les nouveaux outils. Adaca garde l'agrégation lourde dans une base de données que l'utilisateur contrôle. Plainoldanalytics garde le trafic dans le processus de l'application elle-même. Ni l'un ni l'autre n'envoie de données brutes à un tiers par défaut. Dans un marché où les gros titres les plus bruyants de la tech sportive portent sur le ciblage et la prédiction par IA, l'évolution la plus intéressante est peut-être vers des outils plus petits qui refusent de faire plus d'une tâche.