Le secret des centres de données et les débats sur la surveillance s'intensifient

Le marché de la technologie sportive et de l'analyse de données continue de s'étendre. L'infrastructure physique qui le porte, elle, est de plus en plus scrutée. Une étude publiée le 30 septembre par Lighthouse Report, avec Trouw et d'autres médias européens, montre que la grande majorité des centres de données européens gardent leur impact environnemental secret.

Aux Pays-Bas, moins d'un quart des grands centres de données publient des chiffres sur leur consommation d'électricité et d'eau potable. Les chercheurs ont passé un an à activer les lois sur l'accès à l'information dans toute l'Europe. Sans résultat.

La directive européenne sur l'efficacité énergétique oblige les centres de données d'au moins 500 kilowatts de capacité installée à déclarer leur consommation d'énergie et d'eau. Trois ans après son entrée en vigueur, peu la respectent. La Dutch Datacenter Association comptait 186 centres de données commerciaux de cette capacité aux Pays-Bas à la fin de l'année dernière. L'Agence néerlandaise de l'entreprise n'a de données que sur 104 d'entre eux. Les chiffres publics ne couvrent la consommation d'électricité que de 44 d'entre eux, et celle d'eau de 47.

Cet écart compte. Ces mêmes installations alimentent les plateformes d'analyse dont dépendent les ligues sportives professionnelles, les équipes et les diffuseurs. D'après les derniers chiffres de Statistics Netherlands, les centres de données ont consommé 5,1 milliards de kilowattheures d'électricité aux Pays-Bas en 2024, soit 4,6 pour cent de la consommation totale du pays. Le gestionnaire de réseau TenneT prévoit 10 à 15 pour cent d'ici 2030.

La consommation d'eau reste mal connue. Aux Pays-Bas, les centres de données représenteraient environ 0,1 pour cent de la consommation totale. Le changement climatique rend pourtant cette question de plus en plus sensible, à mesure que les périodes de sécheresse se prolongent.

L'infrastructure de surveillance s'étend

Le même jour, 404 Media a rapporté que l'administration Trump détourne un programme de subventions antidrogue des années 1980 pour forcer les villes à verser les données de leurs lecteurs automatiques de plaques d'immatriculation dans des centres fédéraux de surveillance. Ce programme, baptisé High Intensity Drug Trafficking Area, récupère les données des caméras ALPR de la police locale, de Flock, d'Axon et d'autres fournisseurs, puis les agrège sur des serveurs fédéraux.

Les documents montrent que d'autres agences fédérales, étatiques et locales peuvent ensuite consulter ces données, et qu'elles sont parfois transmises au National License Plate Reader Program de la Drug Enforcement Agency. Jeramie Scott, directeur du Surveillance Oversight Center de l'Electronic Privacy Information Center, a déclaré à 404 Media : « Toute cette combine ajoute une couche d'obscurité supplémentaire sur l'usage des données de lecteurs de plaques et sur ceux qui les utilisent. Si vous êtes en colère contre Flock, vous devriez l'être aussi contre cela. »

Les organisations sportives adoptent de plus en plus d'outils d'analyse qui reposent sur la collecte de données, du suivi des joueurs aux plateformes d'engagement des fans. L'infrastructure qui les fait tourner recoupe souvent les écosystèmes de surveillance et de cloud aujourd'hui mis en cause.

Des travaux universitaires ciblent l'efficacité de l'infrastructure d'IA

Des chercheurs de l'université Stanford ont soumis un article à arXiv le 29 septembre. Ils y décrivent Purlin, un cadre qui sépare l'orchestration du chemin de données de la communication collective des GPU, un composant critique de l'inférence d'IA distribuée. L'article, signé Osayamen Jonathan Aimuyo, Swapnil Gandhi et Christos Kozyrakis, rapporte des gains de latence allant jusqu'à 5,14x sur sept collectifs, sur des GPU A100, H200 et B200.

Intégré au cadre de service SGLang, Purlin a amélioré le débit et l'interactivité du service LLM hors ligne de 1,13x en moyenne, et jusqu'à 1,37x par rapport aux références. En inférence en ligne, l'interactivité progresse de 1,26x en moyenne et jusqu'à 2,85x, le gain le plus fort apparaissant en situation de surcharge. Ces travaux intéressent les plateformes d'analyse sportive, qui exécutent de plus en plus de modèles d'IA pour l'analyse vidéo en temps réel, la prédiction des performances des joueurs et la génération automatique de résumés.

Par ailleurs, AWS a annoncé le 30 septembre qu'Aurora PostgreSQL prend désormais en charge l'interrogation des données Apache Iceberg et Parquet stockées dans des lacs de données, sans pipeline ETL ni duplication. La fonctionnalité est disponible en général sur Aurora PostgreSQL à partir des versions 17.11 et 18.6, dans toutes les régions commerciales et GovCloud d'AWS, sans frais supplémentaires. Elle s'appuie sur le moteur de requête DuckDB intégré à PostgreSQL pour exécuter des requêtes sur les données Iceberg et Parquet dans Amazon S3, S3 Tables ou AWS Glue Data Catalog.

Les équipes d'analyse sportive qui croisent des données opérationnelles avec de grands ensembles historiques pourraient y gagner en mouvements de données. L'annonce ne mentionne toutefois aucun cas d'usage sportif.

Le 30 septembre, TechCrunch a rapporté que des pirates ont volé des millions de dossiers de personnel militaire américain. L'intrusion dans les dossiers du personnel du Pentagone a duré plusieurs mois, entre octobre 2025 et la mi-juillet 2026. Elle a exposé des numéros de sécurité sociale et d'autres informations personnelles. Selon CNN et Federal News Network, un responsable du Pentagone a déclaré qu'elle concerne environ 2,8 millions de personnes vivantes et près de 300 000 personnes décédées. L'incident fait suite à une intrusion en septembre au FBI, attribuée au groupe ShinyHunters.

Le secteur de l'analyse sportive dépend du cloud et de processeurs de données tiers. Il subit donc les mêmes pressions de sécurité et de transparence que les systèmes de données publics et d'entreprise.