La couche de données du sport se scinde : vos tableaux de bord, leurs agents IA

Le 8 septembre, la société de conseil Adaca a publié adaca-analytics sur GitHub. Il s'agit d'une couche de tableaux de bord auto-hébergée pour Google Analytics 4, exécutée sur Cloudflare Workers. Dix jours plus tard, le 18 septembre, un white paper parrainé par CData, publié sur le Wiley Science and Engineering Content Hub, a mis l'accent sur la vitesse de réplication, promettant une accélération de 76 % sur la même infrastructure. Entre ces deux dates, le 11 septembre, Starburst a publié une analyse d'architecture qui pose la question de savoir qui, ou quoi, devrait être autorisé à interroger les données.

Aucun de ces éléments n'est spécifique au sport. C'est justement le point. L'infrastructure qui décide quel athlète est reposé, quel prix de billet est affiché et quel highlight est coupé est reconstruite au niveau des tuyaux. L'industrie sportive est surtout consommatrice de ces décisions, pas créatrice.

Le plaidoyer pour le tableau de bord : posséder les chiffres

L'outil d'Adaca est délibérément sobre. Selon sa README GitHub, les agrégats quotidiens issus de l'API de données GA4 ou d'une exportation BigQuery atterrissent dans une base D1 appartenant à l'opérateur, tandis que les données en temps réel restent sur Google. Il fournit six tableaux de bord par défaut et un constructeur en quatre étapes pour les personnalisés. Chaque chiffre est cliquable : les sources, pages et pays s'ouvrent vers des pages de détail avec leurs propres tendances et répartitions, précalculées pour charger en un seul aller-retour.

"Adaca est une société de conseil logiciel. Nous construisons du logiciel sur mesure, intégrons des ingénieurs seniors dans les équipes clients et utilisons l'IA pour nos clients. Adaca Analytics est open source sous licence MIT."

La configuration nécessite un compte de service Google avec accès Viewer sur la propriété GA4 et sa clé JSON. Le déploiement fourche le dépôt, provisionne D1 et KV, et demande la clé. Il n'y a pas de connexion, donc la README conseille aux opérateurs de placer Cloudflare Access ou l'authentification basique intégrée devant.

Pour un club ou un titulaire de droits, l'attrait est la propriété et le coût. Pour une équipe de données sportives, c'est que la comparaison avec la période précédente, l'année dernière ou n'importe quelle fenêtre est un clic, pas un ticket pour un groupe analytique central qui a douze autres demandes en file.

Le plaidoyer pour l'agent : remettre les clés

L'article de Starburst n'est pas une annonce produit. C'est une taxonomie, et une utile si vous essayez de savoir où iront réellement les budgets analytiques sportifs sur les deux prochaines saisons.

L'auteur pose un exemple de supermarché qui correspond presque parfaitement à une question d'affaires sportives : ma vente d'œufs la semaine dernière était-elle rentable ? Pour y répondre correctement, il faut des données de transaction, de fidélité, de composition du panier et de disposition du magasin, réparties sur plusieurs bases de données. Remplacez les œufs par un billet familial déduit et les cartes de fidélité par les enregistrements des abonnés et vous avez le même problème qu'un club de football face chaque lundi matin. L'article soutient que les agents, et non les humains, commencent à faire l'essentiel de ce travail itératif, et que la qualité de la sortie dépend fortement de la façon dont les données atteignent l'agent.

Il présente trois options. L'option 0, extraire les données brutes et les envoyer à l'agent sous forme de fichiers, est rejetée d'emblée : l'article dit qu'elle peut devenir prohibitivement chère quand les agents facturent par élément de données et que ses inconvénients de performance en font "pas une bonne option en pratique". L'option 1 donne à l'agent un accès direct à la base de données et lui permet d'écrire son propre SQL, itérant contre le moteur d'exécution plutôt que de tirer des téraoctets sur le fil. L'article note que cela peut surcharger les systèmes, car les agents sont bien plus exigeants que les humains et peuvent submerger une base avec des requêtes spéculatives, mais dit que l'industrie des bases de données se concentre désormais sur la prise en charge des charges de travail agentiques.

Les options intermédiaires, où la base de données fait un peu de traitement avant de transmettre les résultats, sont celles où l'article consacre le plus d'énergie analytique. Les trois dimensions qu'il utilise pour les juger sont celles que tout responsable analytique sportif devrait mesurer : exactitude, latence et coût en tokens.

Où se trouvent réellement les données sportives

Les organisations sportives ont tendance à fonctionner en hybride. L'analytique web et application pour les fans vit dans quelque chose comme GA4 ou un équivalent, c'est la couche que Adaca cible. La billetterie, le CRM et le merchandising vivent dans des bases opérationnelles. Les données de diffusion et de suivi vivent ailleurs, souvent à des volumes qui rendent la proposition de réplication de CData pertinente.

Le white paper, parrainé par CData, argue que l'augmentation des volumes de données a déplacé le goulot d'étranglement des données elles-mêmes vers l'architecture qui les déplace, et que les fenêtres de batch nocturnes ne correspondent plus. Il décrit des lectures parallèles partitionnées qui divisent une grande table source en partitions de plages de lignes et les lisent simultanément sur des threads CPU, plus des optimisations du chemin d'écriture qui réduisent les surcoûts par fichier et par colonne. Les tables larges avec des centaines de colonnes en bénéficient le plus, dit-il, et les résultats sont rapportés sur les destinations cloud courantes.

Le parallèle avec les données de suivi sportif n'est pas difficile à tracer. Un seul match peut générer des centaines de colonnes de données événementielles et positionnelles, et une ligue génère des centaines de matchs par semaine. Si la réplication est la contrainte, alors l'équipe analytique attend l'infrastructure plutôt que de poser de meilleures questions.

Ce que les trois documents ne règlent pas, c'est la gouvernance. La réponse d'Adaca est de mettre Cloudflare Access devant un Worker qui détient une clé de compte de service avec droits Viewer. La réponse de Starburst est de laisser l'agent piloter la base de données et d'accepter qu'il sera un utilisateur plus lourd que n'importe quel analyste humain. Aucun n'aborde ce qui se passe quand l'agent, ou le tableau de bord, est pointé vers des données de santé d'athlètes ou vers les signaux adjacents aux paris que les régulateurs cernent déjà.

L'outillage arrive plus vite que les règles. Cet écart, et non les tableaux de bord, est l'histoire que la technologie sportive passera la saison prochaine à gérer.