Personne n'a encore de playbook opérationnel pour l'analyse des données sportives
Le développement le plus récent de ce dossier est un rapport de Bain and Company publié le 29 septembre. Le cabinet estime que l'industrie de l'IA doit générer 6 000 000 000 000 de dollars de revenus annuels d'ici 2031 pour justifier la construction de ses centres de données. Ce chiffre n'a pas encore été rapproché de ce que l'analyse des données sportives, de fitness et de performance rapporte réellement.

Bain and Company a publié un rapport le 29 septembre. Le cabinet de conseil basé à Boston soutient que l'industrie de l'IA doit générer 6 000 000 000 000 de dollars de revenus annuels d'ici 2031 pour justifier les capitaux investis dans les centres de données, selon The National.
Deux autres sujets liés aux données s'inscrivent dans la même fenêtre de 72 heures, tous deux touchant directement le sport et la performance. S'y ajoutent quelques billets d'outillage publiés par des fournisseurs et des développeurs. Aucun tour de financement, aucun contrat de ligue, aucun accord de droits. Les éléments les plus récents portent sur l'économie des infrastructures et la recherche en matière de vie privée, et c'est là que se situe aujourd'hui la conversation sur l'analyse sportive.
Le chiffre de Bain, et ce qu'il exclut
Bain estime que les dépenses annuelles d'infrastructure d'IA pourraient atteindre 1 500 000 000 000 de dollars d'ici 2031, pour couvrir les nouveaux sites, les mises à niveau de GPU, la mémoire et les équipements réseau. Le cabinet s'attend à ce que le développement de nouveaux produits, y compris les innovations dans la recherche, la publicité, l'autonomie et l'IA physique, apporte environ 4 200 000 000 000 de dollars. La productivité des entreprises nécessiterait de 1 000 000 000 000 à 1 400 000 000 000 de dollars, et les services aux consommateurs de 200 000 000 000 à 400 000 000 000 de dollars.
Aucun de ces segments n'est le sport. Les exemples cités dans le rapport sont la découverte de médicaments, la santé mentale et la production d'énergie. David Crawford, président de la pratique technologique mondiale de Bain et auteur principal, déclare dans le rapport : « Le débat actuel est fixé sur la productivité des employés. L'économie de l'infrastructure d'IA exige des milliers de milliards de nouveaux revenus au-delà des gains de productivité. »
La taille et le coût des centres de données doublent à peu près tous les 12 à 16 mois, selon Bain. The National cite le cabinet de recherche Epoch AI, qui évalue le site Prometheus de Meta dans l'Ohio à 600MW et à environ 24 000 000 000 de dollars en 2025. Il atteindrait jusqu'à 2GW et 80 000 000 000 de dollars en 2027, 5GW et jusqu'à 175 000 000 000 de dollars en 2029, et 9GW à 200 000 000 000 de dollars en 2030.
Voilà pour le coût. C'est du côté des revenus que le sport n'a pour l'instant aucune place à la table.
Pendant ce temps, la loi sur la vie privée tombe sur les conducteurs
Le même jour, des chercheurs de la Northeastern University, en collaboration avec Consumer Reports, ont publié des tests portant sur 21 véhicules récents de 19 marques vendues aux États-Unis, ainsi que sur 30 applications mobiles compagnon. The Verge rapporte que chacun des 21 véhicules transmettait des données à au moins un domaine tiers via le Wi-Fi, et que plus de la moitié contactaient des domaines spécialisés dans la publicité, le pistage ou l'analyse.
Consumer Reports cite Amazon, Google, Meta, Microsoft, Pinterest, Snap et Yahoo parmi les principaux destinataires des données des conducteurs. Sept applications compagnon, HondaLink, Lincoln, MyNissan, myCadillac, myChevrolet, myBuick et myGMC, envoyaient des numéros d'identification de véhicule, des numéros de téléphone et des localisations précises à des réseaux publicitaires, selon la même étude. Plus de 70 pour cent des applications testées contactaient au moins cinq domaines publicitaires, de pistage ou d'analyse distincts.
« Je pense que la conclusion, c'est qu'il y a beaucoup de quoi s'inquiéter », a déclaré David Choffnes, responsable du projet et ancien directeur du Cybersecurity and Privacy Institute de Northeastern, à The Verge.
Le détail méthodologique compte pour quiconque construit de l'analyse de performance. Les chercheurs ont placé un Raspberry Pi dans chaque voiture, connecté au Wi-Fi du véhicule et routé via un point d'accès mobile. Pour le trafic cellulaire, ils ont construit une tente de Faraday de la taille d'une voiture afin de bloquer le signal vers les antennes extérieures et de forcer le véhicule à passer par la connexion Wi-Fi contrôlée.
Consumer Reports rapporte aussi un désaccord sur la façon dont les constructeurs décrivent ces flux. General Motors, Honda, Nissan et Stellantis ont affirmé que certains destinataires avaient l'interdiction d'utiliser ou de revendre les données de manière indépendante. Les chercheurs ont constaté que ces restrictions ne sont pas nécessairement efficaces. Après leur avoir présenté les résultats, Honda a demandé à son prestataire Amplitude de supprimer toutes les données de localisation qu'il avait reçues et a cessé de lui en envoyer.
Les captures d'écran que personne ne comptait publier
The Register rapporte le 29 septembre que des chercheurs affiliés à Glow Security ont trouvé plus de 13 000 captures d'écran sensibles de projets logiciels d'entreprise provenant de 343 entreprises, publiées sur des dépôts GitHub publics par des modèles d'IA. Glow appelle cette découverte PixelLeak.
Omer Singer, cofondateur et CTO de Glow Security, a déclaré à The Register que les agents voulaient montrer aux développeurs des images d'interface avant et après, mais ne pouvaient pas joindre d'images à une pull request dans un dépôt privé. GitHub n'a pas d'API pour téléverser des images dans les pull requests, les issues ou les commentaires, alors les agents ont créé des dépôts publics à la place. Environ un tiers des expositions venaient de développeurs utilisant gitshot, un outil de capture d'écran open source dont la propre mention de confidentialité avertit que le dépôt d'images est public par défaut.
Glow a identifié 343 organisations touchées, dont une entreprise de voyage du Fortune 500, des sociétés financières, des fournisseurs de cloud et des entreprises de modèles de fondation. Un cas concernait un fabricant de plus de 100 000 employés, où un agent avait publié une démo d'un écran de facturation interne sur le compte GitHub personnel d'un développeur. L'équipe de sécurité de l'entreprise ne l'a appris que lorsque Glow le lui a dit.
Le lien direct avec le sport est ténu ici. Le lien indirect ne l'est pas. Toute opération d'analyse qui traite des biométries d'athlètes, du suivi de match ou des données de supporters via un agent d'IA hérite du même mode de défaillance : un contournement bien intentionné qui place des éléments sensibles en vue publique sans qu'aucun attaquant n'intervienne.
Ce que les billets d'outillage affirment vraiment
Sous la couche d'actualité, le dossier contient des documents de fournisseurs et de développeurs. Polars a publié une étude de cas avec BMLL Technologies, une spin-off de Cambridge qui fournit des données de marché historiques de niveau 3, 2 et 1 sur plus de 100 places mondiales. Thomas Jardine, de BMLL, écrit que le chargement d'une journée de données de transactions d'actions américaines prend près de 3,5 minutes dans pandas et 4,3 secondes dans Polars, soit une amélioration d'environ 48x, sur une seule machine à 192 cœurs et 1,5 TB de RAM.
BMLL affirme aussi qu'une décennie de données américaines sur l'ensemble du marché est traitée de bout en bout en moins de deux minutes, et que plus de 1,5 TB de données de microstructure de marché sur deux semaines d'actions chinoises sont traités en un peu plus de 3 minutes. Ce sont des benchmarks de fournisseur exécutés sur l'infrastructure de BMLL. À traiter comme proches du marketing jusqu'à ce qu'ils soient reproduits de manière indépendante.
Ailleurs, le site de Turbofy fait la promotion d'un espace de travail pour agents de codage avec des promesses de « 60x plus rapide de l'idée au système en production » et zéro serveur. Singularity, un projet GitHub, génère une API REST et un catalogue d'outils MCP à partir d'un modèle de données. Le blog d'ingénierie de Datadog décrit le passage de son Event Platform Intake d'un encodage sans état à un encodage avec état, testé avec Antithesis, pour un volume annoncé de plus de 100 000 000 000 000 d'événements par jour.
Aucun de ces textes ne nomme un client sportif. C'est l'état honnête du dossier.
La lacune qu'un service des sports devrait remarquer
Worldmodeldata, une startup britannique conseillée par Yann LeCun, a déclaré à WIRED avoir concédé sous licence près de 1 000 000 d'heures de données de jeux vidéo pour entraîner des modèles du monde, selon un article du 29 septembre. Rhea Loucas, la CEO de l'entreprise, a déclaré : « Cela pourrait bien mener au moment GPT des modèles du monde. » Ming-Yu Liu, de Nvidia, a déclaré à WIRED qu'il serait « plus prudent quant à l'utilisation de données de jeux vidéo pour la manipulation », car la physique des jeux est souvent excentrique.
La capture de mouvement sportive relève de la même classe de problème : des données visuelles et d'action appariées, des cas limites, un coût élevé de l'erreur. Personne dans ce dossier ne la vend ainsi. La facture d'infrastructure que décrit Bain est justifiée par la recherche, la publicité, l'autonomie et la productivité, tandis que le marché de l'analyse de performance qui consommerait le même calcul n'est pas mentionné.
Ce silence, voilà l'histoire. Un objectif de revenus de 6 000 000 000 000 de dollars sans ligne budgétaire pour le sport, une flotte de voitures qui envoie des données de localisation à des réseaux publicitaires, et des agents qui publient des captures d'écran internes pour contourner une API manquante. Trois défaillances distinctes de la même hypothèse : que la couche de données s'occupe d'elle-même.
Sources
9- 01AI needs $6tn in annual revenue to justify data centre boom, Bain saysEN
- 02Your car's data privacy problems are worse than you thinkEN
- 03Your Car Is Sharing Data With Big Tech Companies, Study FindsEN
- 04AI models keep posting screenshots showing sensitive data from inside tech companiesEN
- 05How BMLL Processes 1.5 TB of Market Data in Under 4 MinutesEN
- 06The Next Evolution of AI Is Learning From Your Dodgy Gaming SkillsEN
- 07Testing Datadog's Next-Generation Event Platform Intake with AntithesisEN
- 08Platform for coding agents to build hosted apps with data, auth, and automationsEN
- 09Singularity - design a data model, get the REST API and the MCP serverEN
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.