Strava ferme son API : un séisme pour l’écosystème IA sportif

La plupart des apps de sport connectées que tu connais ont une dépendance cachée : l’API de Strava. Plus de 120 millions d’athlètes loggent leurs sorties sur la plateforme, et une bonne partie des produits IA de coaching ou d’analyse de performance s’alimentent directement dans ces données. Quand un tel point central commence à fermer le robinet, tout l’écosystème tremble.

Depuis 2023, Strava a progressivement renforcé les restrictions sur son API, imposant des quotas plus stricts, des règles d’usage plus serrées et un modèle business clairement assumé autour de l’accès aux données. Ce durcissement, qui se poursuit en 2025-2026, rebat les cartes pour les startups IA, les produits d’analytics avancés et même certains projets de recherche.

Ce qui est en train de se jouer dépasse largement le cas Strava : c’est un cas d’école de la façon dont les plateformes de données sportives vont encadrer – et monétiser – l’accès à la matière première de l’IA.

Strava, maillon critique de l’IA sportive

Strava est devenu en une décennie l’infrastructure de fait de la donnée sportive amateur, ce qui en fait un acteur clé pour tous les projets IA dans ce domaine.

En 2023, Strava annonçait plus de 100 millions d’utilisateurs à travers 195 pays, chiffre qui est passé à plus de 120 millions d’athlètes enregistrés d’après ses communications de 2024. La plateforme traite des centaines de millions d’activités par mois, avec une forte concentration sur le cyclisme, la course à pied et le triathlon.

Pour l’IA, Strava est précieuse pour trois raisons :

• des données longitudinales (plusieurs années d’historique par athlète) permettant des modèles de progression
• des signaux riches (vitesse, dénivelé, fréquence cardiaque, puissance, météo associée, segments) utiles pour des modèles prédictifs
• un graphe social sportif (clubs, kudos, commentaires) qui nourrit des algos de recommandation et de gamification

La plupart des apps tierces IA de coaching ou d’analyse avancée utilisent l’API officielle de Strava pour :

• importer automatiquement les activités des utilisateurs
• synchroniser l’historique sportif pour personnaliser les plans
• enrichir leurs propres modèles avec la granularité Strava (segments, heatmaps, etc.)

💡 À retenir : Strava n’est pas juste une “source de plus”, c’est la source dominante pour les données d’entraînement grand public sur route et trail.

Ce que Strava a durci concrètement côté API

Le changement n’est pas une fermeture brute, mais une montée en contrôle et en monétisation très progressive – avec des effets cumulés majeurs.

Des quotas et limites plus serrés

Le modèle public de Strava repose depuis plusieurs années sur :

• un quota de base de 1 000 requêtes par jour pour les applications enregistrées qui passent par le process standard
• un débit limité à 100 requêtes toutes les 15 minutes par token d’application

Ces limites, relativement tolérantes pour des petits projets, deviennent très pénalisantes dès qu’une app commence à avoir plusieurs milliers d’utilisateurs actifs se synchronisant plusieurs fois par jour.

Strava propose des extensions de quotas via des accords spécifiques pour les partenaires commerciaux, mais ces accords sont négociés au cas par cas et conditionnés à :

• un cas d’usage jugé conforme aux politiques de Strava
• une intégration validée (branding, expérience utilisateur, respect de la privacy)
• des engagements sur les volumes et la sécurité

Dans les faits, cela crée une barrière à l’entrée pour les nouveaux acteurs IA qui veulent scaler rapidement.

Une politique de monétisation de l’accès aux données

Strava a introduit et renforcé un programme de partenaires commerciaux avec un pricing qui n’est plus symbolique. Les chiffres exacts peuvent varier selon les cas, mais plusieurs intégrateurs et développeurs évoquent :

• des forfaits minimum annuels dans la zone des 5 000 à 12 000 dollars pour des accès élevés, en fonction des volumes et du type d’usage
• des modèles de pricing par paliers sur le nombre d’appels API ou d’utilisateurs synchronisés

À côté, l’abonnement premium Strava pour les athlètes est à environ 11,99 € par mois ou 79,99 € par an en Europe, ce qui montre bien que le cœur de la monétisation B2B ne se joue pas sur l’athlète lui-même, mais sur les intégrations qui exploitent ses données.

Un contrôle renforcé des cas d’usage IA

Strava encadre de plus en plus fortement :

• les usages de type modèle prédictif fondé sur de larges corpus de données
• la revente ou mutualisation de données à des tiers
• les usages pouvant concurrencer directement certaines fonctionnalités premium de Strava (analyse avancée, suggestions d’entraînements)

Cela se traduit par :

• un examen plus strict des apps lors de la validation
• des demandes de précisions sur la manière dont les données sont stockées, transformées et utilisées pour entraîner des modèles
• un rappel explicite que la collecte massive pour entraîner un LLM ou un modèle prédictif généraliste n’est pas couverte par les conditions d’usage standard

💡 À retenir : Strava ne ferme pas son API, mais la transforme en produit business assumé, avec un contrôle serré sur les usages liés à l’IA.

Tableau de bord : Strava vs autres plateformes de données sportives

Face au durcissement de Strava, les acteurs IA regardent naturellement les alternatives. Voici une comparaison indicative avec d’autres plateformes clés.

Ce tableau montre que Strava n’est pas le seul à durcir, mais sa position unique sur le segment « athlètes outdoor engagés » en fait un pivot critique pour l’IA de performance.

Pourquoi c’est un problème spécifique pour l’IA

La friction créée par la restriction de l’API Strava touche de plein fouet les modèles d’IA de nouvelle génération appliqués au sport.

Entraîner des modèles sans données massives devient compliqué

Les modèles IA modernes pour le sport ne sont plus de simples heuristiques :

• des modèles prédictifs de forme et fatigue utilisent parfois des millions de points de données par athlète (fréquence cardiaque, puissance, RPE, sommeil)
• des algos de recommandation de séances se nourrissent de milliers de plans d’entraînement et de leurs résultats
• des modèles de type foundation models pour la performance commencent à émerger en aggregant plusieurs millions de sessions structurées

Sans un accès large et stable à des données comme celles de Strava, les startups IA doivent :

• compter uniquement sur leurs propres données, ce qui limite la diversité des profils
• acheter ou négocier des jeux de données auprès d’acteurs B2B, souvent à un coût bien supérieur au ticket d’entrée d’une API

Les coûts d’acquisition de données explosent

Là où une petite équipe pouvait auparavant lancer un produit IA en s’appuyant sur l’API Strava dans son plan gratuit ou quasi gratuit, la logique devient :

• tickets d’entrée à plusieurs milliers de dollars par an pour garantir des quotas suffisants
• nécessité de sécuriser un business model solide dès le départ pour absorber ces coûts

Pour une startup qui facture un abonnement autour de 10 à 15 € par mois à ses utilisateurs, un coût d’API Strava dans la zone des 5 000 à 10 000 dollars par an nécessite rapidement plusieurs centaines d’abonnés payants juste pour couvrir l’accès aux données.

Les applications IA « horizontales » sont pénalisées

Les outils IA qui veulent être agnostiques – par exemple un assistant LLM qui analyse automatiquement toutes tes sorties, quel que soit le service – ont un problème :

• chaque intégration (Strava, Garmin, Polar, etc.) implique un accord séparé, souvent payant
• les conditions d’usage imposent parfois des restrictions fortes sur la combinaison de données de plusieurs sources pour entraîner un modèle commun

💡 À retenir : le passage d’une API perçue comme un “service développeur” à un “produit data premium” change l’économie des modèles IA sportifs.

Les effets en cascade sur les produits IA existants

Le durcissement de l’API Strava ne reste pas théorique : il a des impacts très concrets sur les produits IA déjà en circulation.

Des fonctionnalités IA bridées ou retirées

Plusieurs types de fonctionnalités se retrouvent fragilisées :

• les dashboards temps réel qui rafraîchissent les données à chaque nouvelle activité
• les coachs IA qui recalculent automatiquement les plans après chaque sortie
• les fonctionnalités d’analyse avancée post-course (segmentation automatique, détection de tendances, etc.)

Pour rester dans les limites de quotas et réduire les coûts, des équipes doivent :

• diminuer la fréquence de synchronisation (par exemple, une fois par jour au lieu de temps réel)
• limiter l’historique importé (12 derniers mois uniquement)
• délaisser certaines métriques lourdes en requêtes (segments, données détaillées par seconde)

Une dépendance accrue au modèle business de Strava

Des produits qui se différenciaient par leur couche IA se retrouvent maintenant :

• contraints de justifier leur valeur face aux fonctionnalités IA que Strava ajoute progressivement dans son offre premium
• exposés au risque de voir leur accès API restreint si Strava considère qu’ils cannibalisent trop sa propre proposition de valeur

Strava a tout intérêt à garder l’API ouverte pour alimenter son écosystème, mais avec une priorité claire : ne pas laisser se développer un « super coach IA » tiers qui dévaloriserait son abonnement premium.

Impact sur la recherche et les projets open source

Les projets open source ou académiques, qui pouvaient tirer parti d’un accès API modéré pour explorer :

• des modèles de prédiction de blessure
• des analyses de performance sur des populations spécifiques

se heurtent maintenant à :

• des quotas insuffisants pour des études à grande échelle
• des procédures d’accès avec une dimension contractuelle et commerciale, peu adaptées à la recherche exploratoire

Comment les startups IA s’adaptent (ou pivotent)

Face à ces restrictions, les équipes IA ne restent pas passives. Plusieurs stratégies émergent.

1. Miser sur la donnée first-party

Beaucoup de produits IA sportifs commencent à :

• collecter directement les données via leurs propres apps mobiles ou web
• encourager les utilisateurs à connecter d’autres sources (Garmin, Polar, Apple Health) plutôt que Strava

Cela permet :

• de ne plus dépendre d’un seul point de défaillance
• de construire un actif data propriétaire au fil du temps

Mais cela a un coût :

• développer et maintenir des apps de tracking complètes
• convaincre les utilisateurs de changer leurs habitudes, alors que Strava reste la « maison mère » sociale

2. Recentrer l’IA sur l’on-device et la privacy

Une autre tendance forte est l’IA on-device :

• les données restent sur le smartphone ou la montre (via Apple HealthKit ou équivalent Android)
• les modèles tournent localement ou quasi-localement via des LLM et modèles de séries temporelles embarqués

Cela contourne la question de l’API cloud de Strava, mais limite :

• la possibilité d’entraîner de très grands modèles globaux
• certains usages communautaires qui nécessitent une vision agrégée

3. Cibler des niches où Strava est moins central

Des startups choisissent des segments où Strava est moins dominant :

• sports en salle (CrossFit, musculation, yoga)
• sports d’équipe (football, basket) où les données proviennent plutôt de capteurs dédiés
• santé et rééducation, avec des données issues de dispositifs médicaux ou de plateformes spécialisées

Dans ces univers, l’accès API à Strava devient accessoire plutôt que vital.

💡 À retenir : la contrainte Strava pousse les acteurs IA à construire leur propre “moat” data au lieu de vivre sur la donnée des autres.

Vers un paysage de données sportives plus fragmenté

La dynamique Strava est emblématique d’un mouvement plus large : la fin de l’illusion du « data commons » gratuit pour l’IA.

De l’open API aux data gardens fermés

On observe une évolution similaire chez d’autres plateformes :

• resserrement des quotas gratuits
• contractualisation des usages IA
• monétisation de la donnée plutôt que simple service développeur

Dans le sport, ce mouvement est amplifié par :

• la sensibilité des données de santé, encadrée par des régulations de plus en plus strictes
• la prise de conscience que les données d’effort, de sommeil ou de santé mentale ont une valeur bien au-delà du fitness (assurance, santé, performance professionnelle)

Strava se positionne ainsi comme un data provider premium, pas comme un simple pipeline.

Un terrain fertile pour de nouveaux intermédiaires data

Ce verrouillage relatif crée un espace pour :

• des brokers de données sportives qui mutualisent plusieurs sources sous un seul contrat
• des plateformes spécialisées offrant des datasets anonymisés pour la recherche ou la R&D IA

Mais ces acteurs devront eux-mêmes naviguer :

• des contraintes juridiques fortes (RGPD en Europe, HIPAA aux États-Unis pour certains usages santé)
• des contrats de licence très encadrés avec les plateformes sources

Les régulateurs vont-ils s’en mêler ?

Le sujet n’est pas seulement technique ou business. Il touche à des notions comme :

• la portabilité des données : un utilisateur peut-il vraiment emporter, et faire exploiter par une IA, toutes ses données Strava où il veut ?
• la neutralité d’accès aux données : une plateforme dominante peut-elle discriminer certains types d’usages IA ?

Le RGPD impose déjà des obligations fortes de portabilité individuelle, mais ne garantit pas un accès massif machine-to-machine pour entraîner des modèles. La ligne entre « service à l’utilisateur » et « exploitation économique élargie » est au cœur des débats à venir.

Notre avis : comment les builders IA doivent réagir maintenant

Le durcissement de l’API de Strava n’est pas un accident, c’est un signal structurel : la donnée sportive devient un actif stratégique monétisé et encadré, pas une ressource abondante pour l’IA.

Pour les équipes produit et les fondateurs IA, quelques lignes directrices se dégagent.

• Ne pas concevoir un produit IA dépendant d’une seule API centrale. Strava peut changer encore ses règles, augmenter ses tarifs ou limiter certains cas d’usage. Toute roadmap qui repose sur un accès illimité à son API est fragile.
• Investir tôt dans la collecte de données first-party. Même si c’est moins sexy à court terme que de s’appuyer sur Strava, c’est un avantage compétitif durable. Les gagnants seront ceux qui contrôlent leur pipeline data et leur consentement utilisateur.
• Explorer l’IA on-device et le modèle “privacy-first”. Non seulement c’est aligné avec les régulations à venir, mais cela permet d’offrir des services IA puissants sans dépendre en permanence des API cloud de tiers.
• Cibler des niches où la valeur IA n’est pas cannibalisée par Strava. Sur certains segments (analyse sociale, gamification simple), Strava va continuer à renforcer ses propres fonctionnalités. Sur d’autres (réentraînement post-blessure, optimisation multi-sports, santé mentale liée à la charge d’entraînement), il y a de la place.

À 6-12 mois, la question clé pour les builders n’est plus « Comment se connecter à Strava ? », mais « Quelle partie du cycle de vie de la donnée puis-je vraiment posséder et maîtriser ? ». C’est là que se jouera la prochaine génération d’apps d’IA sportive.

Et toi, si tu lançais un produit IA dans le sport aujourd’hui, accepterais-tu encore que ton principal avantage compétitif dépende d’une API dont tu ne contrôles ni le prix ni les règles du jeu ?