L'industrie du sport a devant elle des milliards de dollars en jeu — des centaines de milliards de dollars circulent chaque année dans le monde, et les grands événements comme la NFL en captent une grande part. Le problème, c’est que la majorité de ces profits sont siphonnés par des intermédiaires traditionnels, avec des frais exorbitants, des règles opaques, et dans de nombreux pays et régions, il n’existe tout simplement pas de voies légales pour y participer.

Les marchés de prédiction en chaîne semblaient être une alternative parfaite : la décentralisation signifie que personne ne peut modifier les règles à sa guise, la transparence est intrinsèque, et les utilisateurs du monde entier peuvent y accéder sans restriction géographique. Mais ce secteur est bloqué par un problème crucial — d’où viennent les données sportives ?

Récemment, cette impasse a connu une avancée. Une plateforme d’oracles a annoncé l’intégration officielle des données NFL, ce qui peut sembler une petite mise à jour, mais représente un tournant pour l’écosystème des marchés de prédiction en chaîne. Les développeurs peuvent enfin accéder à des sources de données fiables, vérifiables et proches du temps réel, sans dépendre de API centralisées ou de processus manuels fastidieux. La confiance dans le marché et l’expérience utilisateur peuvent ainsi atteindre un nouveau niveau.

Ce qui est intéressant, c’est la façon dont cette plateforme gère les données sportives. Les informations sur les matchs NFL sont dispersées partout — déclarations officielles, reportages ESPN, discussions sur les réseaux sociaux, retransmissions en direct — et ces sources ont des formats très variés : pages HTML, documents PDF, vidéos, tweets.

C’est là que réside le problème. La technologie traditionnelle des oracles ne peut pas supporter ce genre de scénarios complexes : elle ne sait traiter que des données structurées — comme des JSON avec des formats fixes et numériques. Lorsqu’il s’agit de PDF ou de vidéos, elle échoue. La nouvelle génération de solutions intègre une couche d’IA, utilisant l’OCR pour reconnaître le texte dans les images et vidéos, combinée au traitement du langage naturel pour comprendre les informations non structurées. C’est ainsi que ce qui semblait impossible devient désormais réalisable.