L'Analyste Qui Cherchait De Bons Investissements
En 2023, Jayden Butts a construit chez DraftKings un modèle qui classait les parieurs comme une banque classe un demandeur de crédit, sauf que le trait recherché était une perte continue. Le modèle combinait la fréquence de jeu, le solde du compte et le ratio pertes-mises en un seul score, puis prédisait combien un client miserait en plus après une offre promotionnelle. En interne, cette mesure s'appelait l'élasticité.
"Nous cherchons des traits et des caractéristiques qui indiquent un bon investissement", a déclaré Butts au New York Times, dont l'enquête s'appuie sur plus de 40 anciens salariés, des notes internes, des messages Slack et des données de paris. Un autre ancien salarié, resté anonyme, a résumé la logique plus directement: le meilleur investissement serait un joueur en difficulté.
Le Détecteur Qui N'A Jamais Reçu La Même Attention
DraftKings a aussi construit un second modèle, destiné à repérer les clients montrant des signes d'addiction au jeu avant qu'ils ne perdent de l'argent que l'entreprise n'aurait pas dû, sur le plan éthique, continuer à encaisser. Quatre anciens salariés ont dit au Times que ce détecteur s'est enrayé ou a été désactivé, alors que le modèle d'élasticité continuait d'être affiné jusqu'en 2025.
DraftKings conteste cette lecture. L'entreprise a déclaré que ses promotions ciblent des "clients qui montrent un usage soutenu et engagé de notre plateforme, pas des clients selon leurs pertes". Elle n'a pas nié que les deux modèles existaient.
Deux Signaux, Un Seul Budget
DraftKings faisait tourner deux modèles d'IA aux objectifs opposés, et un seul des deux entrait en concurrence pour le chiffre d'affaires. Un modèle qui repère des clients sur le point de perdre de l'argent que l'entreprise ne devrait pas continuer à poursuivre ne produit, s'il fonctionne, aucun chiffre visible au bilan, car le succès y signifie un revenu non encaissé. Un modèle qui repère qui misera davantage après une promotion se reflète directement dans la marge des paris. Quand une équipe d'ingénieurs doit choisir quel modèle reçoit le prochain sprint, le modèle lié au chiffre d'affaires l'emporte par défaut, sauf si quelqu'un doté d'autorité décide, explicitement, de financer l'autre malgré tout.
DraftKings a attribué une partie d'une amélioration de 13 pour cent des marges liées aux promotions en 2025 à ce travail de ciblage. Le détecteur d'addiction au jeu n'a jamais eu de chiffre équivalent, car aucune mesure ne récompense le fait de ne pas gagner d'argent sur un client.
Le Massachusetts Le Savait Déjà
L'État n'a pas découvert ce vide quand le Times a demandé un commentaire. La Massachusetts Gaming Commission avait commandé une étude à l'International Gaming Institute de l'UNLV, publiée en novembre 2025, qui identifiait un vide de gouvernance entre ce que les outils d'IA du marketing des paris pouvaient déjà faire et ce que couvraient les règles existantes de la commission. Cette étude a conduit à la création d'un groupe de travail sur l'IA au sein de la commission, chargé précisément de surveiller ce type de pratiques.
Ce groupe de travail est resté inactif jusqu'à la publication de l'enquête du Times. Jeudi, le président Jordan Maynard a déclaré que la commission partageait "la préoccupation" face à la rapidité de ces technologies, et le commissaire Paul Brodeur a qualifié le rapport de préoccupant, notant que le Massachusetts est l'un des seuls États dont les règles sur les jeux d'argent mentionnent ne serait-ce que l'IA. Le directeur exécutif Dean Serpa a désormais reçu l'ordre d'échanger directement avec DraftKings, et la révision s'étendra à chaque opérateur agréé dans l'État, pas seulement à DraftKings.
Ce Que Cela Signifie Si Vous Gérez Deux Modèles Comme Celui-Ci
Rien de tout cela n'exige une mauvaise intention pour s'expliquer. Un modèle lié au chiffre d'affaires sera mieux doté qu'un modèle de prévention des dommages, sauf si quelqu'un doté d'autorité décide, de façon explicite et continue, de financer le second avec la même priorité que le premier. Cette décision ne se prend pas par défaut, et une entreprise qui la saute finit exactement là où DraftKings a fini: avec un système qui fonctionne pour la moitié rentable du problème et un autre à l'arrêt pour l'autre moitié.
La même logique s'applique du côté du régulateur dans cette histoire. Commander une étude qui nomme un vide de gouvernance ne revient pas à le combler; le Massachusetts avait son propre diagnostic dix mois avant d'agir. En Europe, un système de notation comparable, qui classerait des personnes selon un risque financier, entrerait dans la catégorie à haut risque du règlement européen sur l'IA, avec une supervision humaine obligatoire dès le départ, plutôt qu'ajoutée après qu'un journal pose une question. Construire le détecteur, ou commander l'étude, est la partie facile. Lui donner, délibérément, un budget et une échéance est la partie qui exigeait vraiment une décision.
À lire ensuite: Un délai manqué a brisé deux promesses d'Apple | Le studio d'EVE Online engage une ex-ministre pour son programme IA
