[ez-toc]

INTRODUCTION

Qui gagnerait : Khabib Nurmagomedov dans son prime ou Islam Makhachev aujourd’hui ? Depuis qu’Islam a conquis le titre des lightweights, la question divise la communauté MMA. Les fans débattent, les analystes spéculent, mais les comparaisons reposent le plus souvent sur des impressions, des highlights ou des arguments difficilement quantifiables.
Chez SeeSports, nous avons développé un modèle de machine learning conçu pour tester ce type de débat à partir de données, en appliquant les mêmes exigences méthodologiques que pour une prédiction UFC réelle.
Le MMA reste un sport fondamentalement chaotique : un combat peut basculer sur un knockdown, une soumission, une blessure ou un décrochage. Pourtant, derrière cette variance apparente, des patterns robustes émergent lorsqu’on analyse des milliers de combats de manière systématique.
Nous appliquons ce cadre à quatre matchups impossibles, qui cristallisent certains des plus grands débats du MMA moderne :
• Khabib Nurmagomedov (prime 2020) vs Islam Makhachev (prime 2025) – Lightweight
• Conor McGregor (prime 2015) vs Ilia Topuria (prime 2024) – Featherweight
• Georges St-Pierre (prime 2013) vs Kamaru Usman (prime 2022) – Welterweight
• Jon Jones (prime 2020) vs Alex Pereira (prime 2024) – Light heavyweight
Ces combats n’auront jamais lieu. Mais ils peuvent être modélisés, à condition de respecter les contraintes méthodologiques nécessaires à toute analyse prédictive crédible.

DEFI MAJEUR : EVITER LE DATA LEAKAGE

Avant toute prédiction, il est indispensable de rappeler un point méthodologique central : la majorité des modèles prédictifs MMA publiés souffrent de data leakage temporel. La littérature académique rapporte régulièrement des performances comprises entre 58 % et 64 % d’accuracy, mais ces chiffres reposent souvent sur des hypothèses de validation inadaptées à des données chronologiques, ce qui introduit involontairement des informations futures dans l’entraînement du modèle.

ERREUR 1 : FEATURES CALCULÉES SUR L’ENSEMBLE DE LA CARRIÈRE

Un biais fréquent consiste à calculer certaines features sur l’ensemble de la carrière d’un combattant. Utiliser, par exemple, un taux de victoire cumulé pour prédire un combat de 2015 revient à intégrer des combats disputés après cette date. Le modèle “voit le futur”, ce qui favorise artificiellement les profils qui progresseront plus tard, indépendamment de leur niveau réel au moment du combat analysé. Dans notre approche, toutes les features sont calculées strictement jusqu’à la date de l’événement, sans aucune exception.
Exemple : différence entre dataset brut par combat et dataset de modélisation temporelle
L’image ci-dessous illustre la différence entre un dataset de statistiques brutes par combat et un dataset de modélisation correctement temporalisée pour le calcul du pourcentage moyen de coups significatifs.

Le premier combat d’Islam Makhachev à l’UFC a lieu le 23 mars 2015. À cette date, aucune donnée préalable n’est disponible : la valeur moyenne est donc logiquement absente (NaN).
Lors du combat suivant, le 3 octobre 2015, la moyenne est calculée uniquement à partir du combat du 23 mars 2015. Le combat du 17 septembre 2016 intègre ensuite les données des deux combats précédents, et ainsi de suite.
Cette construction garantit que chaque valeur utilisée par le modèle correspond exclusivement à l’information réellement disponible avant le combat analysé.
À l’inverse, si la moyenne était calculée sur l’ensemble des combats connus, y compris ceux disputés après la date du combat, le modèle intégrerait indirectement des performances futures, introduisant un biais temporel majeur.
Ce type de fuite d’information gonfle artificiellement les métriques de performance en validation, tout en produisant des modèles qui échouent dès qu’ils sont confrontés à de véritables prédictions hors échantillon.
 

ERREUR 2 : K-FOLD CROSS-VALIDATION ET TRAIN-TEST SPLIT ALÉATOIRE

Le même problème apparaît lors de l’utilisation de méthodes de validation classiques comme le k-fold cross-validation ou les train/test splits aléatoires. Appliquées à des données UFC couvrant plus d’une décennie, ces techniques mélangent combats passés et combats futurs, permettant au modèle de s’entraîner sur des patterns qui n’existaient pas encore à l’époque des combats testés.
Pour éviter ce biais, la validation est entièrement temporelle : aucun combat futur n’est utilisé pour prédire un combat passé, et l’évaluation est réalisée sur des saisons complètes strictement hors échantillon.
 

ERREUR 3 : NORMALISATION GLOBALE DES FEATURES

Un dernier biais, plus subtil, concerne la normalisation des variables. Normaliser l’ensemble des combats à partir de moyennes et d’écarts-types calculés sur toute la période 2012–2025 revient à injecter indirectement l’évolution future du sport dans les combats anciens.
Nous utilisons donc une normalisation temporelle : pour chaque combat, les statistiques de référence sont calculées uniquement à partir des données disponibles avant la date de l’événement.

METHODOLOGIE ET FONCTIONNEMENT

Comment le modèle analyse-t-il les combats ?

Chaque combattant est évalué selon cinq dimensions clés, générant plus de 500 features par combat. L’objectif n’est pas d’attribuer un niveau global abstrait, mais d’identifier les déséquilibres structurels susceptibles d’influencer un matchup donné.
 

PERFORMANCE TECHNIQUE

Le modèle analyse l’ensemble des dimensions techniques du combat.
• Le striking est évalué à travers la précision, le volume et l’impact, enrichis par des métriques dérivées (formes récentes, performance contre adversaires classés, efficacité relative)
• Le grappling / wrestling est mesuré via le taux de réussite des takedowns, les tentatives de soumission et le temps de contrôle au sol, avec une normalisation par le niveau des adversaires affrontés
• La défense est quantifiée de manière distincte, notamment via la striking defense, le takedown defense et la capacité à renverser des positions défavorables, afin de capturer les déséquilibres entre attaque et protection
• Le clinch, la distance, le ground, souvent sous-exploités dans les analyses classiques, sont aussi intégrés précisément
• Les performances sont analysées round par round afin d’estimer la capacité à maintenir l’output dans le temps, et d’en déduire un indice de cardio et de dégradation de performance
 

FORME RÉCENTE & MOMENTUM

Le modèle intègre une dimension temporelle visant à capter la dynamique actuelle d’un fighter.
Les performances des derniers combats sont pondérées à l’aide d’un Robust Exponential Decreasing Index (REDI, Moussa et al., 2019), qui applique une décroissance exponentielle aux combats anciens.
Cette approche permet de distinguer :
• Une progression
• Une régression
• Une stagnation des performances
Un fighter historiquement dominant mais en perte de vitesse récente sera pénalisé, tandis qu’un profil en pleine ascension sera valorisé. Cette analyse reflète la forme réelle du moment, et non un simple historique cumulé.
 

MATCHUP RELATIF

Le MMA n’est pas une question de niveau absolu, mais de compatibilité de styles.
Le modèle compare directement les forces et faiblesses des deux fighters afin d’identifier les edges tactiques spécifiques au matchup : interactions striking/grappling, vulnérabilités défensives, et asymétries structurelles.
Certains aspects de cette logique restent volontairement confidentiels dans ce document.
 

TRACK RECORD & EXPÉRIENCE

Tous les combats n’ont pas la même valeur. Le modèle intègre le niveau réel de la compétition affrontée.
Sont notamment pris en compte :
• La qualité des adversaires (UFC et hors UFC)
• L’évolution du ranking dans le temps
• Les performances spécifiques contre le top 5, 10, 15, 50 et 100
• L’expérience en main event, title fights et combats de 5 rounds
L’objectif est d’évaluer la capacité à performer sous pression, au plus haut niveau, et sur la durée.

ATTRIBUTS PHYSIQUES & CONTEXTE

Les facteurs physiques et contextuels ont un impact mesurable sur la performance.
Le modèle intègre les attributs physiques (âge, taille, allonge, poids), mais aussi :
• L’activité récente
• Les périodes d’inactivité (layoffs)
• Les effets cumulés des camps et des weight cuts
• Certains facteurs environnementaux (home advantage) lorsque pertinents.
Ces éléments non techniques sont quantifiés et intégrés au modèle, car ils influencent directement la performance en combat.
En résumé, le modèle ne cherche pas à attribuer un niveau moyen aux combattants, mais à identifier les déséquilibres structurels spécifiques à chaque matchup.

PERIMETRE ET DONNEES UTILISEES

Le modèle s’appuie exclusivement sur des données officielles, structurées et vérifiées.
Les sources exploitées sont les suivantes :
• Données détaillées par combat depuis l’UFC 1 (1993)
• Données de carrière complètes de l’ensemble des combattants, incluant les résultats globaux UFC et hors UFC
Certaines sources sont volontairement exclues afin de limiter les biais et toute forme de fuite d’information :
• Données issues des réseaux sociaux, interviews ou médias
• Cotes des bookmakers, écartées en raison de leur biais circulaire (elles intègrent déjà des anticipations similaires à celles du modèle)
Plusieurs types de combats sont exclus du périmètre d’analyse :
• Combats féminins, en raison d’un volume de données insuffisant et de dynamiques statistiques différentes de celles observées chez les hommes
• Combats opposant deux débutants UFC simultanés, pour lesquels l’historique exploitable est trop limité
• Combats présentant des données manquantes, à la fois sur les statistiques UFC et les données de carrière
 

Processus de prédiction

FEATURE ENGINEERING

Les statistiques brutes UFC sont insuffisantes pour capturer la réalité d’un combat.
Elles doivent être transformées en features informatives, capables de révéler des avantages tactiques réels.
Le modèle ne se contente pas d’utiliser des métriques isolées (striking accuracy, takedowns, control time), mais construit des features dérivées à forte valeur ajoutée, notamment :
• Ratios comparatifs entre les deux fighters (forces vs faiblesses)
• Features normalisées par division et niveau de compétition
• Features opponent-adjusted (pondérées par la qualité des adversaires affrontés)
• Features temporels de forme et de momentum
• Features contextuelles spécifiques au matchup
• Gestion des small samples par bayesian shrinkage
Ces transformations permettent de passer d’une comparaison de statistiques brutes à une lecture tactique du combat.
Résultat : plus de 500 features construites par combat, conçues à partir d’une compréhension métier du MMA, et non de simples transformations mathématiques génériques.
 

ENSEMBLE MODELING

Aucun algorithme de machine learning n’est optimal sur l’ensemble des situations possibles.
Chaque modèle possède ses biais, ses angles morts et ses points forts.
Le modèle repose donc sur une combinaison de cinq modèles complémentaires, afin de :
• Réduire la variance
• Limiter le sur-apprentissage
• Améliorer la robustesse et la calibration
Les modèles utilisés sont : XGBoost, LightGBM, CatBoost, Random Forest, NGBoost
Cette approche permet de tirer parti des forces spécifiques de chaque algorithme, tout en évitant une dépendance excessive à un seul modèle.

CALIBRATION

Une probabilité n’a de valeur que si elle est fidèle à la réalité. Une prédiction à 80 % est inutile si le fighter ne gagne que 60 % du temps.
Pendant et après l’entraînement des modèles, une étape dédiée de calibration est appliquée sur un ensemble de validation afin d’aligner les probabilités prédites avec les fréquences observées.
Brier Score obtenu : ~0.21, indiquant une bonne calibration (0.25 correspondant à un modèle aléatoire).
 

VALIDATION

Les performances du modèle sont évaluées exclusivement sur des combats non vus durant l’entraînement et les optimisations d’hyperparamètres.
La validation est réalisée en sur deux années strictement out-of-sample (2024–2025)
• Données d’entraînement : 2012–2023
• Données de test : 2024–2025

Résultats obtenus sur le modèle XGBoost :
• 68 % d’accuracy
• 73 % d’AUC
Les résultats précis du modèle d’ensemble restent confidentiels.
 

Forces du modèle

Les performances chiffrées ne suffisent pas à juger un modèle prédictif. Ce qui distingue ce modèle, c’est sa fiabilité opérationnelle et sa capacité à produire des décisions exploitables.

Quantitatif et objectif
Les prédictions reposent exclusivement sur l’analyse systématique de plusieurs milliers de combats depuis 2012. Aucune intuition subjective, aucun biais d’humeur ou d’opinion : chaque prédiction est le résultat d’un traitement statistique reproductible.
Probabilités calibrées
Les probabilités produites sont cohérentes avec les fréquences observées. Un fighter prédit à 70 % gagne effectivement ~70 % du temps (Brier Score : ~0.21). Le modèle est explicitement optimisé pour la calibration, et non pour l’accuracy brut uniquement.
Transparence des prédictions
Chaque prédiction est explicable. Le modèle identifie les facteurs clés contribuant au résultat et leur poids relatif. Il ne s’agit pas d’une boîte noire opaque.
Validation rigoureuse
Les performances sont mesurées sur deux années complètes de combats futurs (out-of-sample). Il ne s’agit pas d’une performance gonflée sur des données d’entraînement, mais d’une capacité prédictive réelle.

PERFORMANCE DE LA MODELISATION

Positionnement des performances

La prédiction de combats MMA fait l’objet de travaux depuis plus de dix ans. Les publications académiques rapportent souvent des performances autour de 58–64 % d’accuracy, mais beaucoup de modèles souffrent de biais méthodologiques (notamment temporels), qui peuvent surestimer la performance hors échantillon.
Dans un cadre opérationnel, un autre repère courant est la performance des favoris (odds) sur le long terme, généralement située autour de 62–66 % d’accuracy selon les périodes et les distributions de combats.
Dans ce contexte, le modèle présenté ici atteint, sur des données strictement out-of-sample (2024–2025) :
• 68 % d’accuracy
• 73 % d’AUC
• 0.21 de Brier Score
Les résultats présentés ci-dessous concernent un modèle XGBoost représentatif. Les performances détaillées de l’ensemble restent volontairement non détaillées dans ce document.

Les courbes ci-dessus illustrent à la fois la capacité de discrimination du modèle (ROC, Precision-Recall) et la fiabilité de ses probabilités (calibration), confirmant une performance stable en conditions hors échantillon.

Facteurs explicatifs de la performance

FEATURE ENGINEERING ORIENTE METIER

Les performances observées ne reposent pas sur un algorithme isolé, mais sur des choix structurants en matière de représentation des données et de modélisation.
La majorité des travaux académiques s’appuient sur 20 à 80 variables, souvent issues directement des statistiques UFC.
À l’inverse, ce modèle repose sur plus de 500 features par combat, construites pour refléter les déséquilibres tactiques réels observés en MMA :
• Features ajustées par le niveau des adversaires
• Ratios comparatifs spécifiques au matchup
• Indicateurs temporels de forme et de momentum (REDI)
• Normalisation temporelle par division et contexte de combat
Cette richesse de représentation permet de capturer des patterns invisibles dans les statistiques brutes, et constitue l’un des principaux leviers de performance du modèle.
 

ENSEMBLE MODELING ET ROBUSTESSE

Plutôt que de s’appuyer sur un algorithme unique, le modèle combine cinq modèles complémentaires.
Cette approche permet de réduire la variance, d’améliorer la généralisation, et d’obtenir des probabilités plus stables et mieux calibrées.
Les prédictions sont combinées par soft voting pondéré, avec des poids optimisés par validation croisée temporelle.
L’objectif n’est pas seulement la performance brute, mais la fiabilité opérationnelle des prédictions.
 

CONVERGENCE ENTRE EXPERTISE ML ET EXPERTISE MMA

La principale différenciation du modèle ne réside pas uniquement dans l’algorithme, mais dans la conception des features et des hypothèses de modélisation.
• Les travaux académiques privilégient la rigueur statistique, mais peinent à intégrer les subtilités tactiques du MMA.
• Les bookmakers disposent de données riches et des traders experts, mais sont contraints par des logiques de marché et de gestion du risque propres à leur activité.
• Les coaches maîtrisent l’analyse technique, sans pouvoir la systématiser à grande échelle.
Ce modèle se situe à l’intersection de ces trois mondes :
• Expertise avancée en machine learning
• Connaissance approfondie du MMA
• Pratique personnelle du sport, permettant une compréhension physique et tactique du combat
Cette convergence permet de concevoir des features alignées avec la réalité du combat, et non de simples abstractions statistiques.

LES MATCHUPS DE LEGENDE

COMMENT LIRE LES ANALYSES

Le graphique radar compare les deux fighters sur 25 dimensions clés, normalisées par rapport à la division avant la date de l’événement.
Le cercle gris hachuré représente la médiane de la catégorie, servant de point de référence.
Il s’agit d’une analyse descriptive, dont l’objectif est d’identifier les zones de domination structurelle et les avantages contextuels de chaque fighter.

Pour assurer une interprétation cohérente du graphique radar, certaines variables ont été réorientées lors de la normalisation afin que l’éloignement du centre traduise toujours une performance plus favorable. C’est notamment le cas pour l’âge ou les coups absorbés par minute, où une valeur plus faible est considérée comme plus avantageuse.

Le module d’explicabilité (SHAP) décompose la prédiction finale en contributions individuelles.
Au lieu de produire une probabilité brute, le modèle identifie précisément quels facteurs influencent la prédiction, dans quel sens et avec quelle intensité (grappling, âge, striking, dynamique récente, etc.).
Lecture du graphique :
Les barres roses représentent les facteurs qui augmentent la probabilité de victoire du premier combattant.
Les barres bleues représentent les facteurs qui favorisent le second combattant. Chaque barre correspond à l’impact marginal d’un facteur sur la probabilité finale.
Pour des raisons de confidentialité, le détail précis des variables utilisées n’est pas communiqué.
 

Khabib Nurmagomedov (2020) vs Islam Makhachev (2025)

Depuis qu’Islam Makhachev a remporté le titre des lightweights (-70 kg) en 2022, une question obsède la communauté MMA : le disciple a-t-il dépassé le maître ?
Khabib Nurmagomedov (prime lightweight 2020), l’invaincu (29-0), qui a terrorisé la division pendant des années avec sa domination implacable au sol. Jamais mis en difficulté en championnat. Une domination méthodique, sans merci, même si moins spectaculaire en termes de finitions que certains champions.
Islam Makhachev (prime lightweight 2025), son protégé, désormais champion et considéré par beaucoup comme une version « améliorée » de Khabib : meilleur striker, plus de soumissions, tout aussi dominant au grappling.
Les deux hommes sont plus que coach et élève. Ils sont comme deux frères, entraînés ensemble depuis l’enfance par le légendaire et regretté Abdulmanap Nurmagomedov, père de Khabib et architecte du système de grappling daghestanais qui domine aujourd’hui le MMA mondial.
Ce lien indéfectible rend le débat d’autant plus fascinant : comment comparer deux produits du même moule, forgés par le même entraineur ?
Le consensus populaire penche pour Islam. « Plus complet », « plus moderne », « Khabib 2.0 ». Sur les forums, les analystes et même certains fighters affirment qu’Islam battrait Khabib aujourd’hui.
Le modèle dit le contraire : 62 % de chance de victoire pour Khabib

ZONE ORANGE (KHABIB) : DOMINATION EN GRAPPLING

• Ground Domination (40.47 vs 5.28)
L’écart le plus spectaculaire du matchup. Khabib possède un indice de ground domination de 40.47 contre 5.28 pour Islam.
Cette métrique composite capture la qualité de la domination au sol : ground and pound, avancement de position, maintien de contrôle sous pression, capacité à ne pas subir d’inversion de position.
Khabib ne se contentait pas de contrôler au sol, il punissait. Son sol était dévastateur, transformant chaque takedown en calvaire pour l’adversaire. Islam contrôle excellemment, mais sans la même intensité oppressante.

• Control/15min (510 vs 430 secondes)
8 minutes 30 vs 7 minutes 10 de contrôle par combat de 15 minutes. Khabib maintenait ses adversaires cloués 1 minute 20 de plus par combat.
Cette différence de 80 secondes reflète une capacité supérieure à imposer son rythme et à maintenir des positions dominantes malgré les tentatives d’échappement.

• TD/15min (5.35 vs 3.19)
Khabib réussissait 5.35 takedowns par 15 minutes contre 3.19 pour Islam. Cette pression incessante ne laissait aucun répit à l’adversaire.
Khabib était plus actif en takedown car il avait un striking moins efficient qu’Islam.

• Ctrl Absorbed/Min : 0.84 vs 5.43 secondes
Statistique la plus révélatrice de la domination absolue de Khabib : il n’absorbait que 0.84 seconde de contrôle adverse par minute de combat. Khabib était rarement contrôlé au sol par ses adversaires.
Islam, malgré son excellence, absorbe 5.43 secondes de contrôle par minute, soit 6.5 fois plus que Khabib. Cette différence colossale révèle une vérité : Khabib était quasiment impossible à contrôler en grappling, tandis qu’Islam, bien que dominant, peut être contenu par des combattants élites (Volkanovski a réussi quelques moments de contrôle).
 

ZONE BLEUE (ISLAM) : MODERNITE TECHNIQUE

• Strike Accuracy (60% vs 50%)
Islam est un meilleur striker technique. 60% de précision contre 50% pour Khabib. Il place mieux ses coups, gaspille moins d’énergie, et peut gagner des rounds debout, ce que Khabib faisait rarement.

• Ratio Distance (56% vs 40%)
Islam porte 56% de ses coups à distance contre 40% pour Khabib. Cela reflète sa meilleure capacité à combattre debout et à maintenir la distance. Khabib, lui, portait 56% de ses coups au sol (Ratio Ground) contre seulement 24% pour Islam.
Cette différence est cruciale : Khabib était un grappler pur qui cherchait le sol immédiatement. Islam est plus hybride, capable de s’adapter selon le matchup.

• TD Defense (91% vs 85%)
Islam défend mieux les takedowns (91% vs 85%). Dans un combat normal, cet avantage serait significatif. Mais contre Khabib qui réussit 5.35 TD/15min avec une pression cage implacable, cette différence risque d’être insuffisante.

• Sub Att/15min (1.06 vs 0.73) et Sub Rate (42% vs 36%)
Islam cherche plus activement les soumissions (1.06 tentatives par combat vs 0.73) et a un meilleur taux de finition par soumission (42% vs 36%).
C’est une des armes principales d’Islam dans ce matchup : s’il ne peut pas battre Khabib en contrôle, il peut tenter de le soumettre.

Le graphique SHAP décompose la prédiction finale (62.1 % Khabib) en contributions individuelles : chaque barre représente l’impact marginal d’un facteur sur la probabilité, dans un sens ou dans l’autre.
L’objectif n’est pas de « prouver » une vérité, mais d’identifier quels blocs de performance structurent la prédiction (grappling, striking, attributs, dynamique récente, etc.). Pour des raisons de confidentialité, le détail précis des variables internes n’est pas communiqué.
Dans ce matchup, la domination au sol ressort comme l’un des contributeurs principaux : l’écart sur l’indice de Ground Domination (40.47 vs 5.28), combiné à l’avantage sur le contrôle et le volume de takedowns, pèse fortement dans la balance. S’y ajoutent des facteurs de contexte (profil physique et période de référence), et une pression globale qui se traduit par des séquences de contrôle plus longues et plus oppressantes.
En face, Islam récupère des contributions positives liées à sa technicité debout, à sa capacité à maintenir la distance, à une activité récente continue au plus haut niveau, ainsi qu’à un grappling offensif orienté finition (volume et taux de soumissions). Ces éléments offrent à Islam des chemins de victoire plausibles : limiter les séquences de contrôle ou convertir une transition en soumission.
 

VERDICT

Khabib favori clair (62.1%), mais Islam reste dangereux (37.9%).
Ce n’est pas un écrasement. 62-38 signifie que si ce combat avait lieu 100 fois, Khabib gagnerait 62 fois, Islam 38 fois. Plus d’un tiers de chances pour Islam.
Le consensus voyant Islam comme « Khabib 2.0 amélioré » sous-estime l’oppression que Khabib exerçait au sol. Les compétences d’Islam au striking (réels et mesurables) ne compensent pas cet écart dans un combat qui se jouerait majoritairement au grappling. Les données penchent pour Khabib.
 

Conor McGregor (2015) vs Ilia Topuria (2024)

Deux strikers dévastateurs. Deux champions featherweight (-66 kg) dans leurs primes respectifs. Neuf ans d’évolution du MMA entre eux.
Conor McGregor (prime featherweight 2015), le phénomène irlandais qui a révolutionné le sport. L’homme qui a mis KO José Aldo, invincible pendant 10 ans, en 13 secondes chrono. Il deviendra plus tard le premier double champion simultané de l’histoire UFC. 89% de taux de KO à ce moment de sa carrière. Une striking qui a mis au sol les plus grands. Une aura psychologique et un trash talk capables de détruire mentalement ses adversaires avant même d’entrer dans l’octogone. Conor ne combattait pas juste physiquement, il gagnait dans la tête de ses adversaires des semaines avant le combat.
Ilia Topuria (prime featherweight 2024), le prodige hispano-géorgien qui représente la nouvelle génération. Né en Allemagne, formé en Géorgie, développé en Espagne, invaincu partout. L’homme qui a mis fin au règne d’Alexander Volkanovski, le GOAT featherweight, par KO au deuxième round. Un grappling défensif d’élite (93% takedown defense) couplé à l’une des plus belles boxes de l’UFC. Il annonce ses victoires, il entre, il combat, il gagne. L’efficacité pure.
Le débat divise la communauté. Les fans de Conor invoquent son timing légendaire, sa capacité à finir n’importe qui d’un seul coup, son avantage physique (13 cm d’allonge). Les fans de Topuria soulignent son invincibilité, sa complétude technique, sa défense solide, sa boxe efficiente qui lui ont permis de dominer Volkanovski, puis plus tard Holloway et Oliveira en lightweight.
Le consensus est incertain. Certains voient Conor d’autres parient sur Topuria.
Le modèle prédit : 56.1% de chance de victoire pour Conor.

ZONE ORANGE (CONOR) : TIMING ET DEVASTATION

• Reach (188 vs 175 cm) + Height (175 vs 170 cm)
Conor possède un avantage physique significatif : 13 cm d’allonge supplémentaire et 5 cm de taille. À 66 kg, où chaque centimètre compte, cet avantage lui permet de contrôler la distance et de toucher sans être touché. Topuria devra rentrer dans la pocket, exactement là où Conor est le plus dangereux.

• KO Rate (89% vs 29%) + KD/15min (1.93 vs 0.97)
L’écart de finishing power est massif. Conor terminait 89% de ses combats featherweight par KO contre 29% pour Topuria. Il mettait 1.93 knockdowns par 15 minutes contre 0.97 pour Topuria, le double. Ses poings étaient des canons. Un seul timing parfait pouvait tout changer. Demandez à José Aldo.

• Strike/Min (5.44 vs 4.44) + Strike Domination (1.80 vs 1.46)
Conor frappait plus (5.44 coups significatifs par minute vs 4.44) et dominait davantage au striking (score composite). Son volume et sa pression offensive étaient supérieurs. Dans un combat de strikers où les deux peuvent finir, celui qui impose le rythme et le volume a un avantage décisif.

• Nb Fights (21 vs 15) + Expérience grands combats
Conor avait vingt et un combats UFC en prime contre quinze pour Topuria. Plus important : Conor avait affronté et dominé José Aldo (invaincu 10 ans, GOAT FW de l’époque), Chad Mendes (wrestler d’élite), Dustin Poirier, Max Holloway. Des tueurs. Sous pression médiatique maximale. Topuria a battu Volkanovski (immense), mais son échantillon de grands combats reste plus limité à ce moment de sa carrière.
 

ZONE BLEUE (TOPURIA) : ARSENAL COMPLET

• TD Defense (93% vs 67%) + Ground Domination (3.64 vs 1.64)
L’avantage grappling de Topuria est net. 93% de takedown defense contre 67% pour Conor, un écart considérable. Si le combat va au sol, Topuria possède un indice de ground domination de 3.64 contre seulement 1.64 pour Conor.

• Sub Att/15min (1.46 vs 0.00) + Sub Rate (57% vs 6%)
Topuria cherche activement les soumissions (1.46 tentatives par combat vs 0.00 pour Conor) avec un taux de soumission de 57% contre 6%. Si le combat va au sol, Topuria est létal. C’est une asymétrie importante : Topuria peut gagner debout ou au sol.

• Strike Accuracy (46% vs 44%) + KD/15min (0.97 vs 1.93)
Topuria frappe légèrement plus précis (46% vs 44%) avec une boxe technique supérieure. Il provoquait 0.97 knockdowns/15min. Moins explosif que Conor (1.93 KD/15min), mais tout aussi dangereux : son KO de Volkanovski au R2 a prouvé qu’il possède le one-shot power. Sa boxe, déjà excellente en featherweight, est devenue dévastatrice en lightweight (KO Holloway, Oliveira). En 2024 featherweight, elle était déjà redoutable, précision, timing, puissance progressive.

• Win Rate (100% vs 90%) + Invincibilité
Topuria est invaincu en MMA contre 90% de victoires pour Conor en prime featherweight. Il n’a jamais perdu. Jamais été en danger réel. Il arrive en pleine confiance, momentum maximal, ayant battu le GOAT de la division.

Le graphique SHAP décompose la prédiction finale (56.1% Conor) en contributions individuelles.
L’avantage physique (allonge, taille) ressort comme un contributeur majeur pour Conor, combiné à son taux de KO exceptionnel et sa capacité à générer des knockdowns. Sa domination striking via volume et pression offensive pèse également. Ces facteurs matérialisent son chemin de victoire principal : contrôler la distance avec son allonge, toucher propre, finir par KO rounds 1-2.
En face, Topuria récupère des contributions liées à sa précision striking légèrement supérieure, son KO power démontré (Volkanovski R2), sa défense takedown exceptionnelle, son grappling offensif orienté soumission, son invincibilité, et sa meilleure défense globale. Ces éléments offrent des chemins de victoire plausibles : battre Conor au striking via précision et timing, survivre aux deux premiers rounds explosifs puis exploiter sa fatigue late rounds, ou chercher le takedown/soumission si opportunité se présente.
La somme des facteurs favorisant Conor dépasse légèrement ceux favorisant Topuria, expliquant la prédiction 56-44, le combat le plus serré de la série.
 

VERDICT

Conor légèrement favori (56.1%), mais Topuria très dangereux (43.9%).
Ce n’est pas une domination. 56-44 signifie que si ce combat avait lieu 100 fois, Conor gagnerait 56 fois, Topuria 44 fois.
C’est du pile ou face avec léger avantage Conor. Le facteur poids : Cette analyse compare leurs primes respectives à 66 kg. Si ce combat avait lieu à 70 kg (lightweight), la donne changerait probablement. Topuria a depuis déplacé sa carrière vers le lightweight, où sa boxe est devenue encore plus létale, il frappe plus fort et plus propre à 70 kg, comme en témoignent ses performances récentes.
À l’inverse, Conor à 66 kg était au sommet de son explosivité et sa puissance. À 70 kg, l’équation serait différente.
 

Georges St-Pierre (2013) vs Kamaru Usman (2022)

Le débat ultime de la division : qui est le GOAT welterweight ?
Georges St-Pierre (prime welterweight 2013), la légende canadienne. Vingt-six combats MMA, 26 victoires, 2 défaites (toutes deux vengées). Champion pendant neuf ans. L’un des fighters les plus complets de l’histoire du MMA : wrestling d’élite, jab légendaire, striking précis, superman punch, soumissions dangereuses. GSP n’avait pas de faiblesse. Il dominait partout, contre tout le monde. Son prime culmine en 2013 après sa victoire sur Johny Hendricks, un combat controversé, mais qui démontre sa capacité à gagner même dans l’adversité.
Kamaru Usman (prime welterweight 2022), “The Nigerian Nightmare”. Champion pendant cinq ans. Quinze victoires consécutives en welterweight à l’UFC. Une pression physique suffocante, un cardio inhumain, une défense de takedown parfaite (100%). Usman représente l’évolution moderne du MMA : athlétisme supérieur, volume de frappe intense, wrestling défensif impénétrable. Il a dominé Woodley, Masvidal (x2), Covington (x2), Burns, Dos Anjos, Maia, Strickland, tous les meilleurs de sa génération.
Le débat divise. Les puristes voient GSP comme le plus complet techniquement, le plus intelligent tactiquement, le plus clutch sous pression. Les modernistes voient Usman comme plus athlétique, plus puissant, défensivement supérieur en lutte et grappling.
Le modèle prédit : 61.8% de chance de victoire pour GSP.

ZONE ORANGE (GSP) : MAÎTRISE TOTALE

• Strike Defense (75% vs 59%)
L’avantage défensif le plus marqué du matchup. GSP possédait une striking defense de 75% contre 59% pour Usman, un écart considérable de 16 points. GSP était l’un des fighters les plus difficiles à toucher proprement de l’histoire UFC. Son mouvement, son jab, son fight IQ lui permettaient d’éviter les coups tout en contrôlant la distance. Usman, malgré sa domination, était plus hittable.

• Strike Domination (3.00 vs 1.80)
GSP dominait au striking avec une statistique de 3.00 contre 1.80 pour Usman. Cette différence reflète une efficacité supérieure : GSP touchait plus propre, encaissait moins, contrôlait mieux les échanges. Son jab était une arme de contrôle légendaire, il gérait la distance, cassait le rythme, accumulait les points.

• TD/15min (4.16 vs 3.00) + Control/15min (462 vs 425 secondes)
GSP réussissait plus de takedowns (4.16 vs 3.00 par 15 minutes) et maintenait légèrement plus de contrôle au sol (462 vs 425 secondes, soit 7 minutes 42 vs 7 minutes 06). Son wrestling offensif était supérieur en volume.

• Sub Att/15min (1.09 vs 0.12) + Sub Rate (21% vs 5%)
GSP était bien plus dangereux en soumission. 1.09 tentatives par combat contre 0.12 pour Usman, et 21% de victoires par soumission contre 5%. Si le combat va au sol, GSP possède une dimension offensive qu’Usman n’a jamais développée. Usman contrôle au sol, mais ne finit pas. GSP cherchait activement.
 

ZONE BLEUE (USMAN) : PRESSION MODERNE

• Ground Domination (23.97 vs 11.26)
L’avantage le plus net d’Usman. Son indice de ground domination (23.97) surpasse largement celui de GSP (11.26). Usman au sol était oppressant : pression physique constante, ground and pound lourd, contrôle étouffant. Usman écrasait physiquement.

• TD Defense (100% vs 88%) + Ctrl Absorbed/Min (1.18 vs 2.74 secondes)
Usman possédait une takedown defense parfaite (100%) contre 88% pour GSP. Plus important encore : Usman absorbait deux fois moins de contrôle adverse au sol (1.18 vs 2.74 secondes par minute). Il était difficile à takedown et difficile à maintenir. GSP devra imposer son wrestling offensif contre une muraille défensive qui se relève immédiatement.

• Strike/Min (4.66 vs 3.80) + KO Rate (45% vs 33%)
Usman frappait plus (4.66 coups/min vs 3.80) et finissait plus par KO (45% vs 33%). Son volume offensif était supérieur, sa puissance également. Il a mis KO Masvidal et Burns. Usman pouvait gagner par domination ou par finish.

Le graphique SHAP décompose la prédiction finale (61.8% GSP) en contributions individuelles.
L’avantage défensif de GSP en striking ressort comme un contributeur majeur, combiné à son fight IQ supérieur, sa précision technique, et sa dangerosité en soumission. Sa capacité à éviter les coups (75% defense) tout en dominant les échanges matérialise son chemin de victoire principal : contrôler la distance via le jab, mélanger takedowns et striking, gagner aux points ou chercher soumission late rounds.
En face, Usman récupère des contributions liées à sa domination au sol supérieure, sa défense de takedown parfaite, son volume de frappe et sa puissance. Ces éléments offrent des chemins de victoire plausibles : imposer sa pression physique, étouffer GSP contre la cage, l’user late rounds, ou chercher le finish via ground and pound ou striking puissant. La somme des facteurs favorisant GSP dépasse nettement ceux favorisant Usman, expliquant la prédiction 62-38. Mais Usman reste dangereux via sa pression et son athlétisme.
 

VERDICT

GSP favori clair (61.8%), mais Usman reste dangereux (38.2%). Ce n’est pas un écrasement. 62-38 signifie que si ce combat avait lieu 100 fois, GSP gagnerait 62 fois, Usman 38 fois. Presque 40% de chances pour Usman.
L’avantage de GSP repose sur sa maîtrise technique, sa striking defense supérieure, sa domination aux échanges, et sa dangerosité en soumission. Son fight IQ légendaire lui permet d’exploiter les failles d’Usman : hittable au striking (Edwards l’a prouvé plus tard), et vulnérable aux transitions grappling/striking intelligentes.
Usman possède les outils pour renverser : takedown defense parfaite, domination au sol écrasante (indice 23.97), volume et puissance offensifs supérieurs.
Si le combat devient une guerre d’attrition physique, Usman a l’avantage. S’il peut imposer sa pression contre la cage et user GSP, il peut gagner late rounds ou finish.
 

Jon Jones (2020) vs Alex Pereira (2024)

Le matchup le plus polarisant de notre série. D’un côté, le plus grand talent de l’histoire du MMA. De l’autre, le striker le plus dévastateur de la division actuelle. Deux philosophies opposées : la domination totale contre la finition explosive.
Jon Jones (prime light heavyweight 2020). Champion light à 23 ans, le vice incarné dans la cage. Invaincu pendant plus d’une décennie (seule « défaite » par disqualification pour coups de coude illégaux). Un combattant d’une complétude rare : wrestling d’élite, clinch étouffant, striking créatif, soumissions dangereuses, fight IQ hors normes. Jones ne cherchait pas simplement à battre ses adversaires, mais à les neutraliser systématiquement. Sa capacité à imposer le combat là où il l’avait décidé, combinée à une allonge exceptionnelle de 213 cm, en a fait un problème insoluble pour toute une génération. Mais Jones reste une figure controversée. Il traîne un lourd passif hors octogone (affaires judiciaires, violations antidopage) qui divise la communauté MMA.
Alex Pereira (prime light heavyweight 2024). Le tueur brésilien. Champion dans deux catégories de poids différentes. Ancien champion du Glory Kickboxing. 82% de taux de KO UFC. Il a mis KO Adesanya (x2), Prochazka (x2), Hill. Pereira ne domine pas, il exécute. Left hook légendaire, timing parfait, puissance dévastatrice. Une puissance brute qui transforme chaque échange debout en menace immédiate. Son parcours, de l’alcoolisme à un double titre UFC, porté par une rivalité hors norme avec Adesanya à travers deux sports, inspire et humanise le tueur froid que l’on voit dans l’octogone.
Le débat divise radicalement. Les puristes voient Jones détruire Pereira en grappling, l’user en clinch, le soumettre ou gagner décision facile. Les fans de Pereira croient au one-shot KO. « Jones n’a jamais affronté quelqu’un qui frappe aussi fort ».
Le modèle prédit : 76.4% de chance de victoire pour Jones.

ZONE ORANGE (JONES) : DOMINATION TOTALE

• Reach (213 vs 201 cm) + Height (193 vs 193 cm)
Jones possède 12 cm d’allonge supplémentaire, un avantage colossal. Cette allonge lui permet de contrôler la distance, d’attaquer sans risque, et de frustrer les strikers qui doivent rentrer dans sa zone pour toucher. Contre Pereira qui a besoin de rentrer pour son left hook dévastateur, cet avantage est décisif. Jones peut piquer de l’extérieur avec ses oblique kicks, tout en restant hors de portée du danger.

• Ground Domination (11.88 vs 0.09) + Control/15min (231 vs 24 secondes)
L’écart le plus spectaculaire de tous nos matchups. Jones possède un indice de ground domination de 11.88 contre 0.09 pour Pereira, un ratio de 132:1. Au sol, Jones contrôlait 231 secondes par combat (3 minutes 51) contre 24 secondes pour Pereira. Si ce combat va au sol, c’est terminé. Pereira n’a aucune arme là-bas. Jones peut le soumettre, le ground and pound, ou simplement l’user pendant 25 minutes.

• Ctrl Absorbed/Min (1.30 vs 17.49 secondes)
Jones absorbait 1.30 seconde de contrôle adverse par minute. Pereira absorbe 17.49 secondes, treize fois plus. Pereira peut être contrôlé au sol, maintenu, usé. Jones était quasiment impossible à contrôler. Cette asymétrie est forte.

• Strike Defense (66% vs 51%) + Absorbed/Min (1.92 vs 3.51)
Jones défendait mieux (66% vs 51%) et encaissait presque deux fois moins de coups (1.92 vs 3.51 par minute). Sa défense, combinée à son allonge, le rendait difficile à toucher proprement. Contre le striking créatif de Jones (oblique kicks, spinning elbows, clinch), Pereira devra encaisser pour rentrer.
 

ZONE BLEUE (POATAN) : LA PUISSANCE PURE

• KO Rate (82% vs 40%) + KD/15min (1.04 vs 0.20)
L’avantage explosif de Pereira. 82% de finitions par KO contre 40% pour Jones. 1.04 knockdowns par 15 minutes contre 0.20 pour Jones, cinq fois plus. Pereira possède une puissance de frappe que Jones n’a jamais eue. Un seul left hook bien placé peut changer l’histoire. Demandez à Hill.

• Strike/Min (5.23 vs 4.18) + Strike Acc (64% vs 58%)
Pereira frappe plus (5.23 coups/min vs 4.18) et plus précis (64% vs 58%). Son striking technique est supérieur, normal pour un champion de kickboxing. Chaque coup qu’il porte à l’intention de finir. Pereira frappe pour tuer.

• Ratio Distance (79% vs 61%)
Pereira porte 79% de ses coups à distance contre 61% pour Jones. C’est là qu’il est le plus dangereux, en kickboxing range, où il peut utiliser ses low kicks et son left hook dévastateur. Jones portait 20% de ses coups au sol et 19% au clinch, zones où Pereira n’a que peu de réponse.

Le graphique SHAP décompose la prédiction finale (76.4% Jones) en contributions individuelles.
L’avantage physique de Jones (allonge) ressort comme un contributeur majeur, combiné à son écart colossal au grappling (ground domination, contrôle, takedowns), sa meilleure défense globale, et son expérience supérieure. Ces facteurs matérialisent son chemin de victoire principal : contrôler la distance avec l’allonge, piquer de l’extérieur, chercher le clinch, takedown, dominer au sol pendant 25 minutes ou chercher soumission.
En face, Pereira récupère toutes ses contributions de sa puissance explosive (KO rate, knockdowns), son volume et précision striking supérieurs, et son statut de spécialiste élite. Ces éléments offrent un chemin de victoire unique : survivre aux tentatives de grappling early rounds, toucher Jones propre avec le left hook, finish par KO.
La somme des facteurs favorisant Jones dépasse massivement ceux favorisant Pereira, expliquant la prédiction 76-24. Mais le one-shot power de Pereira empêche toute certitude absolue.
 

VERDICT

Jones large favori (76.4%), mais Pereira garde l’arme du KO (23.6%).
Ce n’est pas un combat équilibré sur le papier. 76-24 signifie que si ce combat avait lieu 100 fois, Jones gagnerait 76 fois, Pereira 24 fois. Pourtant, ces 24 fois sont réelles ? et toutes passent probablement par le même scénario : un left hook parfait qui change tout.
L’avantage de Jones est écrasant dans toutes les dimensions sauf une : il peut dominer au grappling (ground domination 11.88 vs 0.09), contrôler au clinch, piquer de l’extérieur avec son allonge (213 vs 201 cm), défendre mieux (66% vs 51%), et imposer son rythme pendant 25 minutes. Pereira aura difficilement des réponses au sol,il n’a aucune expérience contre un grappler de ce calibre.
Mais Pereira possède la seule arme qui compte vraiment : le one-shot power. 82% de KO rate. Left hook dévastateur. Timing parfait. Il a mis KO Adesanya, un des strikers les plus élitistes de l’histoire UFC. Il a exécuté Prochazka (x2) avec une facilité déconcertante. Jones n’a jamais été mis KO, mais il n’a jamais affronté quelqu’un qui frappe aussi fort que Pereira.

CONCLUSION

Ces combats n’existeront jamais. Mais les données existent, et elles racontent une histoire moins romantique que les débats, mais souvent plus vraie. Quand on enlève la nostalgie, les highlights et les narratifs, il reste des déséquilibres mesurables : contrôle au sol, défense, distance, volume, finishing power, et capacité à imposer son plan A sans subir le plan B.
Le modèle ne promet pas l’infaillibilité. Il propose mieux : une méthode temporellement propre, calibrée, et explicable. Il ne dit pas « qui gagnera », il dit « dans quels scénarios, et à quelle fréquence ». C’est là que la prédiction devient intéressante : elle transforme une opinion en hypothèse.
Le MMA est chaotique à l’échelle d’un combat, mais moins chaotique à l’échelle d’une carrière, et encore moins quand on compare des styles, des attributs et des trajectoires avec les bons outils. Les « matchups de légende » resteront des fantasmes. Mais, ils ne sont pas impossibles à analyser.

Références

Moussa, I., Leroy, A., Sauliere, G., Schipman, J., Toussaint, J. F., & Sedeaud, A. (2019). Robust Exponential Decreasing Index (REDI): adaptive and robust method for computing cumulated workload. BMJ Open Sport & Exercise Medicine, 5(1).

The post LA MODELISATION FACE AUX LEGENDES DE L’UFC appeared first on Seesports.

Le Pôle Ressources National Sport-Innovations (PRNSI) est rattaché au Ministère des Sports, pilote le DATA ES (Recensement des Équipements Sportifs, Espaces et Sites de Pratiques). Cette base de données est un outil fondamental, regroupant plus de 300 000 équipements et 150 00 installations sur le territoire français.

Le PRNSI s’est fixé un objectif : moderniser, renforcer et automatiser l’administration du recensement pour garantir la fiabilité, l’accessibilité et l’exploitation optimale de cette base de données.

L’expertise Data de Seenovate au service de la performance

Pour mener à bien l’actualisation et la valorisation du système DATA ES, le PRNSI a choisi l’expertise de Seenovate, via sa marque dédiée au sport, Seesports.

Seesports a apporté son savoir-faire spécifique en Data Intelligence dans l’écosystème sportif pour :

• La construction d’une base de données comparative
  • Exploiter un service de cartographie afin de collecter les installations sportives (nom et localisation).
  • Utiliser un modèle d’IA pour recueillir toutes les informations relatives à ces installations (équipements disponibles, données sur les propriétaires, etc.).
• Étudier l’exhaustivité et mettre à jour Data-ES
  • Mettre en place des traitements spécifiques, basés sur des modèles d’IA, pour comparer les deux bases et identifier les nouvelles installations.
  • Analyser les différences constatées pour affiner la mise à jour de Data-ES et ainsi objectiver l’exhaustivité de Data-ES à l’échelle départementale.

Les Bénéfices : Un héritage Data durable pour le sport français

Grâce à la collaboration avec Seenovate, le PRN SI dispose aujourd’hui d’un référentiel DATA ES performant, fiable et dynamique. Cette modernisation se traduit par des avantages concrets et pérennes :

• Mise en valeur de la qualité du recensement des installations sportives réalisé par les équipes du PRNSI
• Mise à jour quotidienne de Data-ES qui devient un référentielle particulièrement complet.
• Les solutions développées par Seesports offrent au PRNSI des outils facilitant la mise à jour des données contribuant ainsi à l’exhaustivité de Data-ES.

Le mot du Client : Rémi DHALLUIN, Coordinateur National Data Equipements Sportifs. 
« Le recensement national des équipements sportifs (DATA ES) est un pivot pour la connaissance et le développement de la pratique en France. La collaboration avec Seenovate, et leur approche spécialisée via Seesports, a été déterminante pour la réussite de ce projet de mise à jour en amont des Jeux de 2024. Leur expertise en Data Intelligence nous a permis de franchir un cap dans l’optimisation de ce référentiel, le rendant plus performant et plus utile pour l’ensemble de l’écosystème sportif, un bénéfice qui se poursuivra dans les années à venir. »

The post Pôle Ressources National Sport-Innovations appeared first on Seesports.

Pour ce quatrième épisode, nous recevons Iwen Diouron, sport scientist au Montpellier HSC, pour parler de la place de la donnée dans le football moderne.

Le concept du podcast : un échange avec un acteur du monde sportif, d’une fédération ou d’un club qui utilise la data sur le terrain au quotidien : de la gestion de données, à l’analyse et l’optimisation de la performance, en passant par la prévention des blessures.Seenovate, est une entreprise de services spécialisée dans l’analyse et la valorisation des données, notamment dans le sport avec sa marque Seesports.

Optimiser la performance des athlètes, analyser la concurrence, élaborer des stratégies, identifier des facteurs de risque de blessures ou détecter de jeunes talents… la data est un véritable atout concurrentiel dans le sport de haut niveau.

Ce podcast s’adresse à tous les acteurs de la data et du monde sportif autant qu’aux passionnés des exploits sportifs.

A écouter sur Spotify et sur Youtube !

The post Seesports Analytics Ep 4 : La place de la donnée dans le football moderne appeared first on Seesports.

L’histoire des fléchettes

Longtemps associées à la culture des pubs, les fléchettes s’imposent comme l’un des sports les plus « hype », avec des prize-money vertigineux, des tournois à guichets fermés à travers le monde et des champions au charisme indéniable. Même les stars du football anglais sont séduites, avec leurs shows aux ambiances survoltées, les fléchettes sont en vogue, et ni les joueurs ni les fans ne semblent rassasiés.

Si l’apparition des fléchettes remonte à plusieurs siècles (historiquement utilisées par les soldats britanniques lors de leurs entraînements), elles se sont imposées dans les pubs anglo-saxons au XVIIIᵉ siècle. Les fléchettes deviennent un véritable sport en 1908 avec la création de règles officielles. Elles connaissent ensuite des hauts et des bas à travers l’histoire. Après un véritable essor dans les années 1970 et une professionnalisation du sport, les fléchettes restent pourtant moquées en 1983, malgré 23 tournois télévisés. Leur culture d’origine est tournée en dérision, jusqu’à être parodiée dans des sketches humoristiques, ce qui n’est évidemment pas du goût des plus grands joueurs de l’époque.

La naissance de la Professional Darts Corporation (PDC) en 1992 marque un tournant pour les fléchettes. Trente ans plus tard, lors de la saison 2022-2023, le prize-money atteint des sommets avec 20 millions d’euros, et les joueurs deviennent de véritables stars. Les fléchettes s’imposent alors comme un sport reconnu à l’échelle mondiale, avec des compétitions télévisées prestigieuses qui déchaînent les foules.

Dans un milieu extrêmement masculin, Fallon Sherrock est devenue la première femme à battre un homme lors des championnats du monde de 2019, prouvant que les femmes peuvent rivaliser avec les hommes. Les experts sont persuadés que les fléchettes vont exploser chez les femmes avec l’arrivée de Beau Greaves, qui s’impose comme un modèle pour nombre d’entre elles. Preuve de cet engouement : les fléchettes affichent la meilleure part d’audience féminine sur Sky Sports, avec 40 % de téléspectatrices en moyenne.

La règle du 501

Si chaque bar possède sa variante, la règle reine reste le 501 ! Les joueurs commencent avec 501 points et doivent descendre à 0 le plus rapidement possible. Contrairement aux idées reçues, ce n’est pas le centre qui rapporte le plus de points. En effet, la cible comporte deux anneaux rouge et vert : l’un à l’extérieur, qui double les points, et l’autre à l’intérieur, qui les triple. Le meilleur coup est donc le triple 20, qui rapporte 60 points, alors que le centre de la cible n’en rapporte que 50. Chaque joueur lance trois fléchettes à tour de rôle, espérant réaliser le fameux 180 – soit trois triple 20 – qui enflamme le public dans les salles.

Facile, diriez-vous… Mais à 2,37 mètres de distance, avec une cible de 45,1 cm de diamètre, où les zones de double et de triple ne mesurent que 8 mm de large et le centre 12,7 mm de diamètre, la tâche est loin d’être simple ! Pour compliquer encore les choses, le dernier coup doit impérativement être un double. Par exemple, un joueur à 20 points doit absolument viser un double 10 pour atteindre 0 !

L’enchaînement parfait ? Le « 9 darters » !
Passer de 501 à 0 en seulement neuf fléchettes est probablement ce qui enflamme le plus les foules, d’autant plus que lorsqu’un joueur y parvient, il empoche 60 000 £… Ainsi qu’un membre du public !

Selon les compétitions, les matchs se déroulent en plusieurs manches ou en plusieurs sets composés de manches. Par exemple, un match de championnat du monde se remporte lorsqu’un joueur atteint un certain nombre de sets, ce seuil augmentant au fil de la compétition. Pour gagner un set, il faut remporter trois manches, tandis qu’en Premier League, un match se gagne lorsqu’un joueur remporte six manches.

Et en France ?

L’apogée des fléchettes en France remonte au début des années 2000, avec près de 3 000 licenciés. Dans cette nouvelle ère, les fléchettes attirent de plus en plus de jeunes, et les plus grands tournois internationaux sont diffusés gratuitement sur la chaîne L’Équipe, confirmant ainsi une popularité grandissante. Pour le grand public, des bars à fléchettes voient le jour, constituant peut-être un premier pas pour certains futurs cracks des fléchettes !

Mais dans une récente interview accordée au journal L’Équipe, le meilleur joueur français, Thibaut Tricole, souligne un manque d’intérêt national pour les performances des Français sur le circuit international. Question de temps ou véritable décalage culturel ? L’avenir nous le dira.

Les chiffres clés

Les chiffres montrant l’envolée populaire des fléchettes sont aussi rares qu’un « 9 darters », et pourtant, nous allons tenter de vous prouver à quel point les fléchettes deviennent le sport incontournable !

Le nombre de minutes qu’il a fallu pour que les 40 000 billets pour assister à l’une des rencontres des championnats du monde 2024/2025 à Londres soient vendus.

Millions de téléspectateurs cumulés sur la chaîne L’Équipe durant toute la durée des championnats du monde 2024/2025 à Londres. Le graphique suivant témoigne également de l’engouement des téléspectateurs au Royaume-Uni pour les championnats du monde ces dernières années.

Figure 1. Evolution du pic d’audience Sky UK, les pourcentages représentent l’évolution par rapport à l’année précédente.

Millions de dollars de revenus de sponsoring des championnats du monde 2024/2025, du jamais-vu pour ce sport !

L’âge de Luke Littler lorsqu’il devient champion du monde pour la première fois cette année, faisant de lui le plus jeune champion du monde de l’histoire. Il détrône ainsi Michael Van Gerwen, son adversaire en finale, qui était devenu champion du monde à 24 ans en 2014.

Soit le prize-money total en millions de livres distribué lors des championnats du monde. Une somme stable depuis 2019, comme en témoigne le graphique suivant.

Figure 2. Prize-money lors des éditions des championnats du monde depuis 2006

Top Players

Il existe différents circuits internationaux regroupant des compétitions plus ou moins prestigieuses, attirant des joueurs de niveaux variés. Le circuit le plus prestigieux est la PDC, qui organise notamment les championnats du monde ainsi que la Premier League, un championnat en 17 étapes où les 8 meilleurs joueurs du monde s’affrontent chaque semaine.

La British Darts Organization (BDO) a longtemps organisé les championnats du monde avant la montée en puissance de la PDC. Bien qu’elle ait cessé ses activités en 2020, certains tournois continuent d’être organisés sous d’autres bannières. Enfin, la World Darts Federation regroupe de nombreux pays et organise des tournois pour promouvoir les fléchettes à travers le monde, tandis que la PDC Europe organise des tournois secondaires à travers l’Europe.

Nous allons nous intéresser à différentes métriques afin de dresser un état des lieux des meilleurs joueurs du moment, comme le prize-money, véritable témoin de performance, puisque les joueurs ayant remporté le plus d’argent sont ceux ayant gagné les tournois les plus prestigieux. Mais nous allons également observer des indicateurs techniques comme le nombre de points moyen par volée, le nombre de 180 sur l’année en cours, ou encore le pourcentage de réussite au double pour conclure une manche.

À noter que ces indicateurs peuvent varier rapidement dès qu’un tournoi a lieu. Les données que nous allons présenter datent du 26/03/2025 et portent sur les 12 derniers mois.

Prize-Money : Des Champions Millionnaires

Si les femmes ont l’ambition de se faire une place dans le monde des fléchettes, elles sont malheureusement loin de l’engouement et de la médiatisation consacrés aux hommes. Cela se manifeste nécessairement par une différence considérable au niveau du prize-money. En effet, les meilleurs joueurs masculins ont dépassé le million d’euros de gains, rien que sur le plan purement sportif, tandis que les meilleures femmes, parfois emblématiques comme Beau Greaves ou encore Fallon Sherrock (première femme à avoir battu un homme lors des championnats du monde, rappelons-le), n’atteignent que quelques milliers d’euros de prize-money.

Le graphique suivant montre cette inégalité notable entre les hommes et les femmes :

Figure 3. Répartition des prize-money entre les tops 10 hommes et femmes

Qu’en est-il sur le plan de la performance stricte ?

Pour tenter de répondre à cette question, nous avons étudié trois métriques qui permettent d’évaluer le niveau d’une joueuse ou d’un joueur :

• Le nombre de points moyen par volée : il témoigne de la capacité à marquer beaucoup de points avec trois lancers. Plus la moyenne en match est élevée, plus un joueur se rapproche rapidement de 0.
• Le nombre de 180 : là aussi, c’est un marqueur de précision et d’efficacité. L’enchaînement de trois fléchettes dans la zone du triple 20 est l’un des graals des fléchettes.
• Le % de checkout, c’est-à-dire le % de réussite au double pour conclure une manche : les deux premières métriques témoignent de la capacité à être régulier et à marquer beaucoup de points. En revanche, si un joueur est en difficulté pour réaliser un double et donc gagner une manche, il s’expose à la pression de son adversaire.

Nombre de points moyen par volée

Figure 4. Moyenne de points par volée (3 fléchettes) des tops 10 homme et femme

On peut constater que l’écart de points moyen par volée est plutôt faible chez les hommes, avec environ 4 points d’écart seulement entre le premier et le dixième. Chez les femmes, en revanche, l’écart est plus conséquent : ne serait-ce qu’entre celle qui domine le classement, Beau Greaves, avec 87 points de moyenne, et la deuxième, on observe un écart de plus de 6 points. Cet écart continue de croître, avec environ 13 points d’écart entre la première et la dixième du classement.

Nombre de 180

Figure 5. Nombre de « 180 » sur les 12 derniers mois

Chez les hommes, l’écart entre le prodige Luke Littler et ses adversaires est très impressionnant. En effet, il compte plus de 200 « 180 » de plus que le deuxième et plus de 400 de plus que le 10^ème du classement ? Chez les femmes, l’écart est également important, une nouvelle fois entre Beau Greaves et ses adversaires. Si les trois premières comptent à leur actif entre 130 et 261 « 180 », les poursuivantes semblent très loin derrière, puisqu’elles ont réussi à réaliser le coup parfait moins de 95 fois.

Pourcentage de Checkout

Figure 6. Part des checkout sur les 12 derniers mois

Le premier constat chez les hommes est que les 10 meilleurs au checkout ne font pas nécessairement partie des meilleurs mondiaux, à l’exception de Damon Heta, qui occupe la tête de ce classement et qui est actuellement 7e au prize-money ainsi que l’inévitable Luke Litler. Encore une fois, les écarts sont resserrés chez les hommes, avec environ 4 % de réussite au checkout en plus pour le premier comparé au 10e meilleur. Chez les femmes, on retrouve une nouvelle fois Beau Greaves tout en haut du classement. Les écarts sont cependant un peu moins prononcés entre la meilleure au checkout et ses principales adversaires, avec moins de 6 % d’écart entre Beau Greaves et Vicky Pruim, qui occupe la dixième place.

Le parcours des deux finalistes des championnats du monde

Un duel au sommet

Les fans en rêvaient, ils l’ont eu ! Probablement la plus belle affiche possible en finale du championnat du monde 2024/2025, disputée le 3 janvier dernier. Luke Littler, déjà finaliste à 16 ans, se retrouve de nouveau en finale, confronté à l’ogre néerlandais Michael van Gerwen, triple vainqueur et considéré comme l’un des meilleurs joueurs de l’histoire des fléchettes.

Si le duel paraissait équilibré sur le papier – après 12 confrontations, le bilan était parfaitement à égalité avec six victoires chacun –, le nouveau surdoué des fléchettes a balayé l’une des légendes de ce sport, ne lui laissant aucun espoir dans sa quête d’un quatrième titre mondial.

Revenons ensemble sur le parcours de ces champions qui bousculent les codes des fléchettes, ainsi que sur les faits marquants de cette finale.

Leur parcours pendant la compétition

Evolution du nombre de point moyen

Le nombre de points moyen est un véritable témoin de performance ; il permet d’analyser la constance de chacun des joueurs.

Figure 7. Performances moyennes de Littler Luke et Gerwen V. Michael lors des championnats du monde 2024/2025

On peut voir que Michael Van Gerwen est monté progressivement en puissance jusqu’en quart de finale, avec une moyenne par volée qui a augmenté au fil des tours. Littler, lui, a maintenu des standards élevés tout au long du tournoi, à l’exception d’une moyenne de 98 lors de son 1/16 de finale. Son nombre moyen est constamment au-dessus des 101.

Lors de leurs deux demi-finales respectives, les deux joueurs ont écrasé leurs adversaires 6 sets à 1. Cependant, on peut voir que leurs moyennes par volée sont nettement différentes, puisque Van Gerwen affiche une moyenne de 99, tandis que Littler atteint les 105 points de moyenne, son meilleur total du tournoi.

Enfin, en finale, le niveau des deux joueurs était stratosphérique durant 10 sets. Si Luke Littler s’est imposé 7 sets à 3, il a dû s’employer face à son adversaire, qui affiche une moyenne de 101, ce qui est une très grosse performance sur un match aussi long.

Pourcentage de Checkout

Le pourcentage de checkout est un témoin de la capacité à conclure une manche, c’est-à-dire à réaliser un double lorsque l’occasion se présente. C’est un véritable moment de pression pour les joueurs, surtout si leur adversaire est en mesure de remporter lui aussi la manche lors de la volée suivante. Regardons comment nos deux finalistes ont réussi à gérer ces moments de pression pendant le tournoi.

Figure 8. Pourcentage de checkout lors du tournois des championnats du monde 2024/2025

Luke Littler a vécu un début de tournoi assez stressant, puisqu’il n’est pas passé loin de l’élimination lors du 1/8 de finale, où il s’est imposé sur le fil 4 sets à 3. En témoigne son pourcentage au checkout, loin de ses standards habituels, ce qui l’a mis en difficulté malgré une moyenne de points par volée élevée, comme nous l’avons vu précédemment. Pour Van Gerwen, les premiers tours se sont plutôt bien passés, malgré un pourcentage au checkout assez faible en 1/16 de finale.
Mais le rapport de force s’est inversé dès les quarts de finale, où Luke Littler est revenu à des standards aux alentours de 45 % de réussite, tandis que Van Gerwen a vu son taux de réussite diminuer progressivement.
En finale, c’est le grand écart, puisque le prodige anglais affiche un pourcentage de réussite impressionnant de 55 %, tandis que son adversaire expérimenté voit son taux de réussite chuter à 37 %. C’est le point clé de cette finale, puisque le Néerlandais n’a pas su saisir les occasions qui se présentaient à lui lorsqu’il pouvait mettre sous pression son adversaire.

Les temps forts de la finale

L’évolution du score

Très vite, Luke Littler a mis la pression sur son adversaire, puisqu’il a remporté les 4 premiers sets, mettant déjà Van Gerwen dos au mur.

Figure 9. Evolution du score de Gerwen V. Michael et de Littler Luke lors de la finale des championnats du monde 2024/2025

Puis, la nouvelle star des fléchettes a géré son avance sans jamais se retrouver sous pression, puisque Luke a constamment remporté un set après que Van Gerwen en ait gagné un. Il a donc conservé son avance jusqu’à atteindre les 7 sets, synonyme de titre suprême, le premier de sa jeune carrière.

Un niveau Stratosphérique

Encore une fois, nous allons nous intéresser au nombre de points moyens par volée au cours des 10 sets de cette finale. Comme nous pouvons le voir en figure 1°, cette finale a atteint des sommets, avec 7 sets où l’un des deux joueurs affiche une moyenne proche des 110 points. On note évidemment une alternance avec des moments plus faibles, comme le 9e set, où Littler n’a pas forcé son talent et a laissé son adversaire remporter le set largement avant de repartir de l’avant sur le dernier set. Cette constance démontre à quel point ces deux joueurs ont joué une finale de haute volée, puisque maintenir un tel niveau tout au long du match est tout simplement incroyable.

Figure 10. Points moyens par set lors de la finale des championnats du monde 2024/2025

Pas de domination au 180

On s’attendait à une finale avec une profusion de 180, et pourquoi pas l’un des deux joueurs capables de réaliser un 9 darters. Mais le nombre de 180 était un peu en deçà de ce qui était espéré, comme le montre le graphique suivant.

Figure 11. Nombre de « 180 » lors de la finale des championnats du monde 2024/2025

Au total, 25 « 180 » ont été réalisés : 13 pour Van Gerwen et 12 pour Littler. Aucun des deux joueurs n’a donc pris l’ascendant sur l’autre sur cet aspect durant cette finale. On peut aussi voir que Littler n’a réalisé aucun « 180 » au cours de 4 sets sur 10, ce qui est plutôt étonnant. Dans l’ensemble, les joueurs ne sont pas véritablement parvenus à placer régulièrement 3 fléchettes dans la zone du triple 20, ce qui ne remet en rien en cause le niveau incroyable de cette finale.

Conclusion

Jusqu’où iront les fléchettes ? C’est la question que tout le monde se pose ! En effet, les fléchettes semblent sans limite, comme en témoignent des prize-money toujours plus affolants, des audiences télévisuelles en constante augmentation et, surtout, des champions qui se livrent une lutte acharnée tout en conservant un esprit détendu et bon enfant.

Il est évident que dans les années à venir, de nouvelles stars feront leur entrée sur le circuit international, inspirées par le jeune champion du monde Luke Littler, un prodige bourré de talent qui bouscule les codes des fléchettes. S’il semble promis à une domination sans partage, il devra cependant se méfier des générations futures, lui qui avoue préférer jouer aux jeux vidéo plutôt que s’entraîner.

On peut regretter le manque d’égalité entre les hommes et les femmes, tant en termes de médiatisation que de rémunération, les championnes étant bien moins bien loties que leurs homologues masculins. Mais là aussi, tout pousse à croire que les choses évolueront dans les années à venir. Porté par des figures comme Beau Greaves ou Fallon Sherrock, capables de rivaliser avec les hommes, le circuit féminin pourrait bien se rapprocher de l’élite masculine.

En France, l’engouement reste encore loin de celui observé au Royaume-Uni, mais l’écart semble peu à peu se réduire. Porté par Thibault Tricole, le public français s’intéresse de plus en plus à ce sport, séduit, il faut le dire, par l’ambiance complètement folle de certaines compétitions. La chaîne L’Équipe contribue à sa manière à la démocratisation des fléchettes, et les clubs sont unanimes : l’intérêt pour ce sport ne cesse de grandir !

The post Les fléchettes, un phénomène qui prend de l’ampleur appeared first on Seesports.

Pour ce second épisode, nous recevons Titouan Houde, consultant data chez Seenovate et assistant coach Espoirs Elite à l’AS Monaco Basket pour parler de l’analyse vidéo au service de la performance en basketball.

Le concept du podcast : un échange avec un acteur du monde sportif, d’une fédération ou d’un club qui utilise la data sur le terrain au quotidien : de la gestion de données, à l’analyse et l’optimisation de la performance, en passant par la prévention des blessures. Seenovate est une entreprise de services spécialisée dans l’analyse et la valorisation des données, notamment dans le sport avec sa marque Seesports. 

Optimiser la performance des athlètes, analyser la concurrence, élaborer des stratégies, identifier des facteurs de risque de blessures ou détecter de jeunes talents… la data est un véritable atout concurrentiel dans le sport de haut niveau. 

Ce podcast s’adresse à tous les acteurs de la data et du monde sportif autant qu’aux passionnés des exploits sportifs.

The post Seesports Analytics Ep 3 : L’analyse vidéo au service de la performance en basketball appeared first on Seesports.

Dans le cadre de la préparation du marathon de Séville, des données ont été enregistrées lors de 96 sessions d’entraînements réparties sur 12 semaines de préparation. Une semaine de coupure a été effectuée en début de préparation (semaine 49), afin de régénérer l’organisme après un premier cycle d’entraînement de deux semaines. Parmi ces données, on relève entre autres, le temps, la vitesse, la distance, la puissance [1] et la fréquence cardiaque. Trois outils de mesures permettent d’effectuer ces mesures : une montre de type GNSS (Global Navigation Satellite System), un capteur de puissance qui se positionne sur le dessus de la chaussure (Stryd) et enfin une ceinture cardiofréquencemètre Garmin HRM-Dual.

Les mesures sont, dans un premier temps, enregistrées par les différents outils en continu. Des analyses longitudinales sont faites à partir d’agrégations de ces données de sorte à avoir, in fine, un indicateur type pour chaque session (FC moyenne, FC maximale, distance totale, puissance moyenne, puissance maximale, etc).

L’objectif sous-jacent aux mesures consiste à analyser la stratégie d’entraînement hebdomadaire mise en place à partir de la répartition des charges d’entraînements [2]. Ainsi, nous allons présenter cette analyse tout en portant une attention particulière aux séances d’entrainement clés à haute intensité, afin d’observer les capacités à maintenir des hautes intensités sur des temps d’effort cibles. Ensuite, nous analyserons la performance en compétition à partir de mesures biomécaniques continues, tels que les temps de contacts au sol et la puissance afin d’identifier des leviers d’optimisation de la performance par l’entrainement.

[1] La puissance est collectée via le capteur Stryd qui renvoie une estimation de la puissance globale (puissance mécanique pondérée par un facteur physiologique)

[2] Représentation de l’effort réalisé à partir d’informations objectives et/ou subjectives

Etude de la stratégie d’entrainement

L’objectif de cette première partie est d’étudier la répartition des séances d’entrainement pendant 12 semaines. Traditionnellement, des zones d’entraînement sont préalablement définies soit par des mesures objectives (lors de tests d’efforts), soit par des approximations, afin de cibler les intensités spécifiques de travail forgeant les programmes d’entrainement. Ces zones, propres à chaque athlète, sont établies en fonction de valeurs maximales atteintes ou estimées pour chaque paramètre. Elles s’expriment généralement en % de la fréquence cardiaque maximale (avec une correspondance en battements par minute, bpm), ou en % de la puissance maximale aérobie [3] (PMA, avec une correspondance en Watts, W).

[3] Puissance atteinte lorsque l’organisme atteint sa capacité maximale de consommation d’oxygène

Etude des charges d’entrainement

Les zones d’entraînement sont présentées dans les tableaux suivants et sont accompagnées d’une interprétation faisant écho aux processus physiologiques impliqués dans l’effort :

Tableau 1 : zone de fréquence cardiaque

Tableau 2 : zone de puissance

L’interprétation des zones de puissance est réalisée par analogie avec les zones de fréquence cardiaque afin d’avoir une certaine cohérence et de faciliter les interprétations.

En course à pied on retrouve deux typologies d’entraînement, toutes basées sur une répartition spécifique des zones et intensités d’effort. Les deux méthodes d’entraînement sont les suivantes :

• L’entraînement polarisé qui consiste à courir environ 80% du volume hebdomadaire en endurance c’est-à-dire entre les zones 1 et 3 (récupération, endurance, tempo), environ 15% du volume au seuil à savoir en zone 4 et enfin moins de 5% du volume à intensité maximale (VO2 max) donc en zone 5. 
• L’entraînement au seuil qui consiste à courir au moins 20% du volume hebdomadaire en zone 4.

L’objectif de l’entraînement polarisé est de contraster significativement les zones 1 à 3 avec la zone 5 qui devient extrêmement coûteuse physiologiquement et nerveusement, tout en conservant un volume non négligeable d’entraînement au seuil ventilatoire ou lactique afin de favoriser une tolérance à l’accumulation du lactate sanguin.

L’entraînement au seuil quant à lui vise à répéter les efforts afin d’atteindre un seuil de lactate suffisamment important sans pour autant dépasser une certaine borne pour ne pas basculer en zone 5 et donc en VO2 max ou PMA. En ne dépassant pas cette borne, cela permettrait de récupérer plus rapidement contrairement à des répétitions en zone 5 qui sont comme expliqué précédemment extrêmement couteuses.

Les analyses suivantes permettent d’analyser la répartition de la charge d’entraînement (puissance et fréquence cardiaque) à l’échelle d’une semaine d’entraînement sur l’ensemble du cycle de 12 semaines de préparation.

Figure 1 : répartition de la charge d’entraînement hebdomadaire en zone de fréquence cardiaque

Figure 2 : répartition de la charge d’entraînement hebdomadaire en zone de puissance

Etude du volume d’entrainement

L’analyse des cycles d’entraînement doit impérativement être mise en relation avec l’analyse du volume hebdomadaire. En effet, dans une démarche d’optimisation de la performance par l’entraînement, on peut chercher à avoir une répartition homogène de l’intensité d’entraînement, tandis que le volume peut quant à lui augmenter progressivement pour atteindre un pic deux ou trois semaines avant l’objectif pour ensuite diminuer progressivement (sans pour autant diminuer l’intensité). A noter, il existe une infinité de planifications possibles. Cette approche pyramidale en est un exemple, mais en aucun cas une « recette miracle ».

La figure suivante présente à la fois l’évolution du volume sous une forme absolue et relative (i.e. en valeur « brute » et en % de variation à chaque semaine).

Figure 3 : évolution du nombre de km hebdomadaire au cours du cycle d’entraînement.

Analyse et synthèse :

Les analyses de la décomposition des cycles d’entraînement montrent la mise en place d’une stratégie de polarisation classique des entraînements avec répartition des efforts d’endurance pour plus ou moins 80% du volume hebdomadaire, et 15% à 20% hebdomadaire d’efforts effectués au seuil, le reste étant attribué à des efforts proche de l’intensité maximale. On observe une stabilité des intensités d’effort au cours des différentes semaines avec toutefois certaines semaines marquées par des entraînements plus intenses, favorisant les séances en Z5, mais en quantité et durée limitée afin de préserver le système neuromusculaire.

Concernant l’évolution du volume hebdomadaire, on remarque que les 5 premières semaines sont marquées par des variations et une discontinuité du volume d’entraînement, en partie dûes à la période de vacances hivernales. On remarque ensuite une augmentation progressive du volume d’entraînement pour atteindre un pic deux semaines avant l’objectif, dont une semaine atteignant 146km. Enfin, sur les deux dernières semaines, on note une décroissance du volume hebdomadaire jusqu’à la semaine de l’objectif final, avec 83 km parcourus dont le marathon.

Analyse de l’indice de performance sur les séances à haute intensité

Pré-analyse

Dans cette partie, nous nous intéressons aux capacités à maintenir une intensité d’effort élevée sur des séances clés à haute intensité. Pour cela, nous considérons les séances de fractionné à intensité proche de l’intensité max et analysons les progrès réalisés pendant les 12 semaines de préparation. A partir d’un échantillon d’une quinzaine de séances, nous regardons dans un premier temps les séances pour lesquelles les intensités ont été les plus élevées à partir de la distribution des fréquences cardiaques suivantes :

Figure 4 : distribution des fréquences cardiaques sur les séances à hautes intesité

Analyse :

On remarque que la distribution des fréquences cardiaques sur les séances de fractionné suivent une distribution normale. Dans la mesure ou nous souhaitons nous intéresser aux intensités maximales, nous écartons les phases d’échauffement et de récupération caractérisées par des fréquences cardiaques moyennes inférieures à 155 bpm.

Analyse de l’indice de performance

Parmi les intervalles d’effort donc la FC est supérieure à 155bpm, nous isolons les intervalles de travail pour lesquels la fréquence cardiaque croit sur plus de 30 secondes afin de s’assurer que nous travaillons bien sur des phases d’effort propices à une étude de la cinétique de FC. Par conséquent, certaines séances à intensité sous-maximale sont exclues de l’échantillon. Finalement, 8 séances sont conservées dans l’échantillon, sur lesquelles nous allons calculer les indices de performance. Les séances sont réalisées sur terrain plat.

Pour ce faire, nous exploitons deux indicateurs mesurés lors des efforts par les différents outils de mesure à savoir la vitesse instantanée et la fréquence cardiaque. Ces deux indicateurs sont normalisés [4] afin d’avoir une échelle commune comprise entre 0 et 1, puis l’indice de performance est calculé comme étant le ratio entre la vitesse normalisée et la fréquence cardiaque normalisée.

Il est important de mettre en parallèle l’analyse de la performance avec la dynamique de course. Pour cela, nous exploitons les temps de contact au sol ainsi que l’oscillation verticale qui sont des témoins de l’efficience de la foulée. Ces deux indicateurs sont mesurés par le capteur de puissance Stryd et sont normalisés.

Enfin, la moyenne des trois indicateurs est calculée pour chacune des 8 séances, le graphique suivant permet d’observer l’évolution de l’indice de performance moyen et des indices d’efficacité de course moyens.

[4] Normalisation min-max : (x-min(x))/(max(x)-min(x))

Figure 5 : évolution de l’indice de performance sur les séances à hautes intesité

Analyse :

On remarque que l’indice de performance à tendance à s’améliorer progressivement sur les séances à haute intensité. Il semblerait donc que la répétition des efforts à haute intensité a été efficace et démontre une certaine progression durant le cycle d’entraînement.

Parallèlement, on remarque que lors des premières séances, les temps de contact au sol sont longs et l’oscillation verticale est faible, le tout accompagné d’une importante variabilité, témoignant d’une irrégularité et d’une foulée moins efficace. Ce phénomène s’inverse au fil des séances, avec des temps de contact au sol qui deviennent de plus en plus courts, une oscillation verticale de plus en plus importante, et une diminution de la variabilité de ces deux indicateurs, ce qui témoigne d’une foulée de plus en plus efficace.

Synthèse :

Les cycles d’entraînement semblent avoir été efficaces dans une démarche de progression et d’amélioration des capacités cardiovasculaires et des capacités neuromusculaires essentielles pour maintenir une vitesse et une intensité d’effort élevée le jour de la course. En effet, l’indice de performance progresse sur les séances proches de l’intensité maximale, c’est-à-dire sur des séances au-dessus du seuil lactique donc à VO2 Max. La foulée semble devenir de plus en plus efficace au cours de la préparation, car on observe une diminution progressive des temps de contact au sol, associée à une augmentation de l’oscillation verticale. La diminution de la variabilité de ces deux témoins mécaniques est également le signe d’une foulée à la fois plus efficace et plus régulière.

Cependant les cycles d’entraînements pourraient être optimisés avec l’ajout de quelques séances proches de l’intensité maximale tout en respectant les zones de travail en z4 voir z5.

La foulée reste également un levier de progression important en course à pied. Pour l’améliorer, il est essentiel de travailler sur l’ensemble du complexe musculo-tendineux et sur ses paramètres mécaniques, tels que :

• la puissance mécanique et les capacités musculaires sous-jacentes (force et contractilité),
• les qualités de stockage et de restitution de l’énergie au travers des tendons, en intégrant des séances de musculation, de côtes, ainsi que davantage de pliométrie qui stimulent ces processus.

Avec une foulée toujours plus efficace, il sera ensuite plus facile de travailler le système cardiovasculaire, car pour un même effort, une efficacité mécanique accrue réduira le coût énergétique de la foulée. Ainsi, la performance en compétition sera améliorée, puisque tous les facteurs de performance auront été travaillés et optimisés au cours de la préparation.

Décroissance de performance

Après avoir analysé la décomposition des cycles d’entraînement ainsi que l’indice de performance sur les séances à haute intensité, nous allons nous concentrer sur les données mesurées le jour de l’épreuve. Le marathon de Séville a été couru uniquement avec la montre GNSS et le cardiofréquencemètre. Aucune donnée de puissance n’est donc disponible.

L’objectif de cette partie est donc d’analyser 3 paramètres : la fréquence cardiaque mesurée lors de l’effort, la vitesse instantanée et la cadence de course sur le marathon.

Contexte de la compétition

Dans un premier temps, le tableau ci-dessous résume l’épreuve et la performance associée :

Tableau 3 : statistiques résumées du marathon de Séville

Avant d’analyser les cinétiques de vitesse et de fréquence cardiaque le jour de la course, il est important de prendre en considération les conditions de course pouvant impacter positivement ou négativement la performance. Pour cela, nous nous attardons sur trois paramètres environnementaux : le dénivelé, la température, et enfin la vitesse du vent.

Le graphique ci-dessous permet de constater que le profil du marathon de Séville ne comporte pas de difficulté majeure. En effet, il est extrêmement plat avec une altitude moyenne d’environ 13m au-dessus de la mer et un dénivelé total de 48m (mesure effectuée par la montre GNSS).

Figure 6 : Profil altimétrique du marathon de Séville

Concernant l’évolution de la température au cours de l’épreuve, celle-ci était de 9 degrés au moment du départ et de 14,5 degrés à l’arrivée. La force du vent était faible et oscillait entre 5 km/h et 13 km/h.

Toutes les conditions étaient donc réunies pour réaliser une bonne performance.

Analyse de la performance

La fréquence cardiaque ainsi que la vitesse instantanée sont exploitées pour calculer un indice de performance continu sur l’ensemble de la compétition. Ces deux indicateurs sont normalisés de sorte à calculer l’indice de performance (ou d’efficacité), par le rapport entre les deux variables. Le graphique suivant présente l’évolution des trois indicateurs sur les 42,195 km du marathon de Séville.

Figure 7 : Evolution de la vitesse, de la fréquence cardiaque et de l’indice de performance

Analyse :

On remarque que la vitesse est relativement constante jusqu’aux environs du 33ème km, où nous pouvons observer une chute sur 5 km avant de légèrement augmenter sur la fin de course. La fréquence cardiaque, quant à elle, augmente progressivement tout au long de la course avec une accentuation sur la seconde moitié de la course. En toute logique, on aperçoit une diminution de l’indice de performance au fil de la course, avec trois phases critiques.

La phase 1 concerne les 2-3 premiers kilomètres de course (zone grise) et met en évidence des cinétiques de vitesse et de fréquence cardiaque différentes. Alors que la vitesse instantanée illustre l’intensité, sur le plan mécanique et à chaque temps, la fréquence cardiaque connait un délai dû à une mise en route du système cardiovasculaire. Plus précisément, à effort constant et pour une vitesse soutenue, une forte croissante de la fréquence cardiaque est observée jusqu’à atteindre un seuil [5] marquant une phase de stabilisation, qui évoluera tout au long de la course de manière distincte. L’indice de performance est donc significativement impacté lors de cette phase et connait une chute significative, mais attendue.

En phase 2 (zone bleue), on observe à nouveau une baisse significative de l’indice de performance. Alors que la fréquence cardiaque suit son cours et continue de croître légèrement, la vitesse de course diminue considérablement. Ce moment de la course fut le plus dur avec une perte de vitesse et un niveau de fatigue musculaire important. Il a alors été indispensable de bien gérer cette période sur le plan de l’alimentation et de la gestion de l’effort pour retrouver un gain de forme et d’énergie sur la fin de course.

Enfin, la dernière phase concerne le rebond observé en fin de course, où l’approche de la ligne d’arrivée et la motivation sous-jacente ont permis d’augmenter légèrement l’allure sur une courte durée, sans pour autant mettre en défaillance le système cardiovasculaire.

Une telle analyse n’a d’intérêt que si elle est mise en parallèle avec une analyse de la dynamique de course. La compétition s’étant déroulée sans capteur de puissance, nous utiliserons la cadence de course mesurée par la montre GNSS. Une cadence élevée réduit le temps de contact au sol, rendant la foulée plus réactive et minimisant ainsi la perte de force et d’énergie lors du rebond.

Le graphique suivant permet d’analyser la cadence de course par tranche de 5km tout au long de la course.

[5] Seuil à partir duquel on passe d’une forme logarithmique à linéaire avec une pente relativement faible

Figure 8 : cadence de course par tranche de 5km

Analyse :

On observe une diminution progressive de la cadence de course moyenne au fil de l’effort. Toutefois, il n’y a pas de chute brusque, et un rebond est même perceptible sur les deux derniers kilomètres.

Cette diminution progressive est corrélée avec la baisse de l’indice de performance mise en avant précédemment. Plus précisément, la période où la cadence de course est la plus faible correspond au moment où la fréquence cardiaque augmente le plus (phase 2), ce qui témoigne d’une fatigue neuromusculaire avancée. Cette fatigue entraîne un effort de plus en plus « forcé » pour maintenir une vitesse élevée. La dynamique de course se dégrade alors, avec une foulée plus écrasée, provoquant une augmentation du temps de contact au sol ainsi qu’une sollicitation accrue des fibres musculaires pour la propulsion, ce qui contribue à l’élévation de la fréquence cardiaque.

Enfin, la dernière phase, durant laquelle on observe un rebond de la cadence, correspond à la fin de course, marquée par un regain de motivation et d’énergie. À ce moment, on se sent plus léger, et la foulée devient plus efficiente, avec des temps de contact au sol plus courts, réduisant ainsi le coût énergétique de la foulée. Cependant, cette amélioration ne dure que sur une courte période.

Synthèse :

L’analyse des différents indicateurs de performance mesurés lors du marathon de Séville permet de mettre en évidence une diminution progressive de la performance au fil de la course. En effet, l’indice de performance, qui dépend directement de la vitesse instantanée et de la fréquence cardiaque, décroît progressivement tout au long des 42,195 km. Cette diminution est corrélée à une baisse de la cadence de course, qui témoigne d’une diminution de l’efficacité de la foulée. En effet, le temps de contact au sol s’allonge, entraînant une augmentation progressive de la perte d’énergie lors du contact avec le sol.

Cependant, aucune dérive ou chute brutale de ces marqueurs n’est observée. On distingue plutôt plusieurs phases au cours desquelles les difficultés mécaniques et musculaires varient en intensité (phases 1, 2 et 3). Il semblerait donc que ces baisses de performance soient principalement dues à la fatigue accumulée au cours de la compétition.

Pour pallier la diminution de performance lors d’un tel effort, plusieurs axes de travail peuvent être envisagés, selon les trois points suivants :

1. Travail cardiovasculaire : maintenir des efforts à différentes intensités et sur divers intervalles de temps pour solliciter le système cardiovasculaire (endurance, VMA, PMA…).
2. Travail musculaire : inclut des entraînements de résistance, comme les séances de course en côte et les séances de musculation.
3. Travail pliométrique : consiste à réaliser des mouvements puissants et explosifs pour améliorer les qualités neuromusculaires.

+ d’infos sur l’auteur

Cet article a été rédigé par Maxime Rioland, consultant data chez Seenovate et trailrunner. Les données utilisées pour cet article sont celles de sa préparation pour le marathon de Séville.

The post Analyse d’un cycle d’entraînement avant un marathon appeared first on Seesports.

Qui compose notre équipe ?

Dans cette équipe nous retrouvons Breathe à la toplane, Yike en jungle, Chovy à la midlane, Viper en ADC et Keria, champion du monde 2024, au rôle de support. Une équipe composée de quart de finalistes à l’exception de Yike, jungler de G2 qui obtient le meilleur score parmi tous les jungler du tournois. C’est aussi une équipe majoritairement coréenne, prouvant la domination du pays sur la scène.

Comment arrivons-nous à ce résulat ?

Pour arriver à ce résultat, nous avons récupéré les données des parties jouées lors de ces championnats du monde, du premier round du « swiss stage » à la finale voyant s’affronter BLG et T1. Ce sont des données de fin de partie, nous avons une cinquantaine de variables par exemple : le total de gold, les kills, deaths et assists, le creepscore ou encore les dégâts infligés. Nous ne gardons qu’une partie de ces données, celles qui sont le plus pertinente pour établir un score, et nous leur appliquons un coefficient pour leur donner plus ou moins d’impact dans la balance afin de sortir le score global.

Les variables

• KDA – Kills + Assists / Deaths : indicateur qui mesure l’impact d’un joueur dans la partie en fonction de ses éliminations, décès et assistances, montrant son efficacité et sa capacité à rester utile sans mourir trop souvent
• CSPM – Creep Score / Minutes : représente le nombre de sbires (minions) tués par minute par un joueur. Pour le jungler il s’agit des monstres de la jungle. C’est une statistique importante pour les joueurs, à l’exception du support, car cela indique l’efficacité à accumuler de l’or et de l’expérience pour renforcer son personnage tout au long de la partie.
• KP – Kill Participation : mesure la proportion de kills auxquels un joueur a contribué, reflétant son implication dans les actions de son équipe et son impact global dans la partie.
• DAD (DPM) – Damages / Minutes : indique la quantité moyenne de dégâts qu’un joueur inflige aux champions adverses chaque minute, illustrant son agressivité et son efficacité en combat tout au long de la partie.
• S15 – Score à 15 minutes : un mélange de différentes statistiques à 15 minutes comme la différence d’xp et de gold avec le vis-à-vis. Permet d’illustrer l’avantage que prend un joueur en early game.
• DAT (DTPM) – Damages Taken / Minutes : représente la quantité moyenne de dégâts subis par un joueur chaque minute, montrant sa capacité à encaisser les attaques ennemies et son rôle en première ligne lors des combats.
• VS – Vision Score : évalue l’efficacité d’un joueur à fournir et à contrôler la vision sur la carte, en prenant en compte la pose et la suppression de balises, ce qui aide son équipe à anticiper les mouvements ennemis et à sécuriser les objectifs
• DT – Damages to Turrets : mesure la quantité de dégâts qu’un joueur inflige aux structures ennemies, reflétant son rôle dans la prise d’objectifs et la progression de son équipe sur la carte

Le score

Une fois les variables sélectionnées, nous établissons un score. Pour cela nous suivons la méthodologie suivante :

1. Pour chaque variable, réaliser la moyenne pour chaque joueur sur l’ensemble des parties jouées (swiss stage et final stage)
2. Trier les joueurs par rôle (toplane, jungle, midlane, adc, support)
3. Déterminer pour chaque variable et par rôle le joueur qui a la meilleure moyenne, puis lui attribuer la note de 100. Les autres joueurs se voient également attribuer une note sur 100 correspondant à leur moyenne divisée par la meilleure moyenne pour la variable
4. Une fois tous les scores calculés, nous leur appliquons un coefficient afin de déterminer la note globale.

Les coefficients

Pour élaborer la note globale, un coefficient a été appliqué à chaque score. Ainsi nous donnons plus d’importance à certaines variables en fonction du rôle.

Par exemple pour le support le score de vision est très important et se voit attribuer un coefficient de 3 tandis que ce coefficient est de 1 pour les autres rôles.

Nous avons fixé ces coefficients de manière arbitraire, en nous basant sur notre connaissance du jeu et sur ce que nous attendons des joueurs en équipe. Nous avons choisi de mettre plus l’accent sur la participation aux kills plutôt que le KDA pour souligner l’apport à l’équipe.

Notre 5 majeur retenu

Rôle : Toplane

Jouant une grande variété de champions allant des tanks à ceux capables de faire des dégâts, Breathe tire sa force de sa gestion de lane et de ses 1v1. Ceci explique ses très bons scores en cs, score à 15min et dégâts aux tourelles. C’est un joueur typique de toplane, agressif dans les teams fight et souvent à l’initiative d’actions pour déstabiliser l’adversaire, ce qui peut expliquer son KDA.

En deuxième position on retrouve Zika, joueur de LNG, et en troisième position Zeus, joueur de T1 et vainqueur du tournois.

Rôle : Jungle

Joueur de champions agressifs souvent capable de carry en fin de partie, Yike oriente son style afin d’avoir le plus d’impact possible en team fight ce qui explique ses très bons scores pour les variables damage / minutes, kill participation et son score moyen en KDA. Il privilégie des chemins de jungle optimisant son farm expliquant son cs et son score à 15 minutes.

En deuxième position on retrouve Inspired, joueur de Flyquest, et en troisième position Oner, joueur de T1 et vainqueur du tournois.

Rôle : Midlane

Perfectionniste ayant un style de jeu axé sur une forte maitrise de ses champions et des mécaniques de jeu, Chovy s’impose très souvent sur sa lane grâce à des champions ayant un fort contrôle des waves. Ceci explique son très bon score à 15 minutes et pour le cs. C’est un joueur précis, impactant en teamfight tout en restant à l’abri du danger. Ceci explique ses très bons scores en KDA, kill participation et damage / minutes.

Knight, joueur de BLG, arrive en seconde position et Zeka, joueur de HLE, en troisième.

Role : ADC

Joueur méthodique et mécanique, Viper est reconnu pour sa faculté à maitriser les phases de gestions de lanes. Ceci explique ses bons scores en cs et score à 15 minutes. Il est également l’adc avec le meilleur vision score. C’est un joueur précis avec un placement méticuleux lui permettant de faire de gros dégâts en teamfight ce qui se traduit par de bons scores en kill participation et damage / minutes.

Yeon de TL se classe deuxième et Peyz de GenG troisième.

Rôle : Support

Polyvalent, capable de jouer des champions tanks, agressifs ou de contrôle, Keria sait se mettre au service de son équipe. Son important contrôle de lane et son roaming favorise la domination de son équipe sur la carte. Son style de jeu est plus agressif qu’un support habituel, ceci explique ses scores en damage / minute, KDA et kill participation au détriment de son vision score. Technique, il sait réaliser des plays décisifs permettant à son équipe de remporter des teams fights.

Crisp de WBG arrive deuxième et Delight de HLE troisième

Le Cinq Majeur et ses statistiques

Dans chaque équipe, les rôles et tâches sont attribués selon le poste joué et le champion sélectionné. Une équipe se doit d’être organisée et d’avoir une synergie d’équipe si elle veut s’assurer la victoire. La question qui vient alors est : notre cinq majeur respecte-t-il cette règle et si oui, quels sont les rôles de chacun au sein de cette équipe ?

Sur le graphique suivant, nous avons représenté chaque joueur à son poste sur la map avec le résumé des statistiques d’équipe.

• Breathe, le toplaner, prend l’avantage sur son adversaire dès les 15 premières minutes, puis inflige un maximum de dégâts aux tourelles grâce à des stratégies de split push.
• Yike, lui, s’occupe de clear la jungle et joue un rôle crucial en engageant les combats, même si cela le mène souvent à sa propre mort cela permet surtout à son équipe de prendre l’ascendant.
• A la midlane, Chovy a un rôle polyvalent : pivot de l’équipe, il doit garder l’avantage sur son opposant pour pouvoir roamer et soutenir ses alliés.
• En botlane, Viper joue prudemment les 15 premières minutes pour se préparer et devenir la force de frappe de l’équipe lors des teamfights. Il pourra compter sur l’aide de Keria, qui se concentre sur le contrôle de la vision sur la carte.

Limites de notre étude

Lors de cette étude, nous avons utilisé des variables de fin de partie. Ces dernières sont simples à analyser et parfaites pour notre courte étude. Pour aller plus loin, nous pourrions rajouter d’autres variables, comme les drafts ou les données du cours de la partie (données temporelles) ainsi que des variables comme l’expérience ou le stress.

Quid du GOAT ?

Joueur le plus capé de la compétition avec 9 participations et 5 titres de champion du monde (2013, 2015, 2016, 2023 et maintenant 2024). Elu meilleur joueur de la compétition 2024, Faker est l’exemple même des limites de notre étude. En effet, Faker apporte certainement beaucoup à son équipe d’un point de vue expérience, prise de décision et gestion du stress. Ce sont ces aspects de jeu que nous ne pouvons mesurer et qui influent grandement sur le résultat des matchs.

Le choix arbitraire des coefficients a également ses limites et pourrait être amélioré par des modèles statistiques d’attribution de poids. Bien qu’étant amateur d’eSport sur LoL et joueur / ancien joueur, notre connaissance est peut-être elle aussi limitée et nous fait potentiellement passer à côté de certains éléments. Travailler avec des experts du domaine pourrait nous permettre d’aller plus loin.

Article rédigé par Loic Verdier et Basile Reinert, consultants Data chez Seenovate. 

The post Analyse Statistique des Worlds 2024 de League of Legends : Notre équipe type appeared first on Seesports.

A cette occasion, notre expert Maxime Rioland, Data Scientist pour Seesport, a donné une conférence sur nos projets avec la Fédération Française d’Athlétisme.

Découvrez comment Seesports aide les athlètes à optimiser leur performance par l’analyse de données. 

The post Notre intervention au Salon de la Data de Nantes appeared first on Seesports.

Pour ce second épisode, nous recevons Maxime Rioland, consultant data chez Seenovate et trailrunner, pour parler de l’utilisation de la donnée dans le running et l’amélioration des performances.

Le concept du podcast : un échange avec un acteur du monde sportif, d’une fédération ou d’un club qui utilise la data sur le terrain au quotidien : de la gestion de données, à l’analyse et l’optimisation de la performance, en passant par la prévention des blessures. Seenovate, est une entreprise de services spécialisée dans l’analyse et la valorisation des données, notamment dans le sport avec sa marque Seesports.

Optimiser la performance des athlètes, analyser la concurrence, élaborer des stratégies, identifier des facteurs de risque de blessures ou détecter de jeunes talents… la data est un véritable atout concurrentiel dans le sport de haut niveau.

Ce podcast s’adresse à tous les acteurs de la data et du monde sportif autant qu’aux passionnés des exploits sportifs.

N’hésitez pas à suivre Maxime Rioland sur ses réseaux :

LinkedIn / Instagram

The post Seesports Analytics Ep 2 : Running & Data : Boostez vos Performances avec Maxime Rioland appeared first on Seesports.

Introduction

À l’occasion des Jeux Olympiques de Paris 2024, Seenovate, de par son implication dans le monde du sport à travers sa marque Seesports, propose une analyse macroscopique des JOP en s’intéressant à divers aspects.

Contexte et objectifs

Un premier axe a pour but de donner une vision historique des Jeux Olympiques d’été à travers toutes les éditions antérieures à Paris 2024. Pour cela, diverses analyses mettent en lumière les performances des nations lors des éditions précédentes, en tenant compte du nombre de participants et des médailles remportées.

Nous proposons ensuite une vision macroscopique des performances réalisées au cours de ces Jeux Olympiques de Paris 2024, avec la proposition de classements alternatifs mais demeurant les plus justes possible.

Enfin, des analyses plus détaillées sont menées à l’échelle des disciplines et des comités olympiques, afin de mettre en exergue d’une part les différentes stratégies adoptées par ces derniers, et d’autre part les axes de progression existant pour remporter le plus de médailles possible.

Démarche

Collecte des données

La première étape consistait à construire une base de données répondant aux besoins des analyses souhaitées. Les granularités de celles-ci étant variées, nous devions disposer de sources présentant des données macros – à l’échelle de l’historique des Jeux Olympiques – ainsi que micros – c’est-à-dire des données brutes des performances réalisées lors des olympiades, de Londres 2012 à Paris 2024.

Voici un tableau récapitulatif des différentes sources de données récoltées :

Préparation des données

Toutes les données collectées sont stockées dans des fichiers CSV individuels qui nécessitent très peu de nettoyage et de préparation.

Concernant les données de performances, nous avons mis en place une règle à partir des rangs et des performances réalisées, afin d’assigner des points à chaque athlète ou nation ayant participé à une compétition. A savoir :

– Points = 1 / rang pour les 3 premiers de chaque compétition, soit respectivement 1, 0,5 et 0,33 point pour les 3 premiers.

– Points = 1 / (2 rang) pour les athlètes ou nations se classant de la 4e à la 5e place.

– Points = 1 / (3rang) pour tous les autres athlètes ayant été éliminés dès le 1er tour par exemple.

Cette méthodologie offre la possibilité de calculer un nombre de points total par nation et par discipline, tout en attribuant plus de poids aux athlètes médaillés.

I. L’histoire des Jeux Olympiques modernes

Les Jeux olympiques tels que nous les connaissons aujourd’hui furent instaurés par Pierre de Coubertin en 1894, lorsqu’il fonda le Comité International Olympique (CIO). Son souhait était de favoriser les interactions culturelles entre les pays, ainsi que de promouvoir les valeurs éducatives et universelles. Tous les 4 ans dès 1896 (sauf en période de guerre mondiale), s’est tenue une olympiade dans une ville différente, au cours de laquelle des athlètes du monde entier s’affrontent dans des disciplines évoluant au fil du temps.

 

1.1 Evolution du nombre de comités olympiques

Ce ne sont plus précisément pas des pays qui s’affrontent, mais des comités olympiques (CNO) représentant respectivement un ou plusieurs pays. Par exemple, le Comité National Olympique et Sportif Français (CNOSF) est à la fois le représentant du mouvement sportif français auprès des pouvoirs publics (en particulier du ministère chargé des sports), et le représentant en France du Comité International Olympique en tant que comité national olympique.

Le nombre de comités olympiques présents lors de chaque olympiade depuis 1896 n’a cessé d’évoluer, tout en subissant des événements géopolitiques ; comme l’atteste le graphique suivant :

Evolution du nombre de comités olympiques lors des JO d’été.

On constate effectivement que le nombre de comités olympiques est en constante croissance depuis la création des Jeux modernes. Les olympiades de 1976 et 1980 furent cependant marquées par une diminution du nombre de comités olympiques engagés, ce pour diverses raisons.

En 1980, environ 50 CNO et nations ont décidé de boycotter l’olympiade de Moscou, suite à l’invasion de l’Afghanistan par l’Union Soviétique en 1979.

Enfin pour les JO de Montréal en 1976, de nombreux pays africains ont de nouveau boycotté l’événement du fait de la présence de la Nouvelle-Zélande.

 

1.2 Evolution du nombre d’athlètes et parité

Chaque comité olympique est représenté par un certain nombre d’athlètes engagés à concourir dans une ou plusieurs disciplines. Les athlètes sont de plus en plus nombreux au fil du temps, d’une part car les comités olympiques engagés sont eux-même plus nombreux, et d’autre part car de nouvelles disciplines font leur apparition d’une édition à l’autre.

Lors de la première olympiade, aucune femme ne fut autorisée à participer aux Jeux Olympiques. Ce n’est qu’en 1900 que les premières femmes ont pu se présenter. Elles seront de plus en plus nombreuses, jusqu’à atteindre une parité quasiment égale à Tokyo, en 2021. Le graphique suivant permet d’observer l’évolution du nombre de femmes et d’hommes de 1896 à 2021, ainsi que le nombre total d’athlètes.

 

Evolution de la parité lors des JO d’été.

On remarque donc que les athlètes en général, et tout particulièrement les athlètes féminines, sont de plus en plus nombreuses depuis la fin des années 70 qui ont vu se jouer, on le rappelle, des éditions un peu particulières dû à l’absence de nombreux comités olympiques. Ce n’est cependant qu’en 2021 lors des Jeux de Tokyo, initialement prévus en 2020, que la parité fut pour la première fois presque respectée avec seulement 300 athlètes féminines en moins.

La force des Jeux Olympiques réside dans la parenthèse temporelle durant laquelle les épreuves très diverses se déroulent pour l’obtention du titre suprême olympique. Les disciplines sont elles aussi de plus en plus nombreuses et varient au fil du temps. Si lors de la première édition des Jeux modernes seulement 10 disciplines classiques (comme l’athlétisme, la lutte, la natation ou encore la gymnastique) étaient présentes, on en retrouve pas moins de 47 lors des JO de Tokyo en 2021, incluant des inédites telles que le karaté, le basketball 3×3, le softball ou encore le skateboard.Le graphique suivant permet d’illustrer l’évolution du nombre de disciplines lors des Jeux Olympiques d’été de 1896 à 2021.

Evolution du nombre de disciplines olympiques.

Comme nous l’avons souligné, le nombre de disciplines augmente au cours des olympiades avec un pic lors des Jeux Olympiques de Tokyo. On remarque qu’entre l’édition de 1920 et celle de 1980 à Moscou, le nombre de disciplines est resté plutôt constant autour d’une vingtaine, avec très peu de turnover.

 

 1.4 Les nations les plus titrées de l’histoire

Les Jeux Olympiques ne seraient rien sans les trois couleurs de médailles récompensant les trois premiers athlètes ou les trois premières équipes ayant concouru dans une discipline ; à savoir l’or, l’argent et le bronze. À noter que pour certaines disciplines à élimination directe comme la boxe, les deux athlètes éliminés lors des demi-finales sont récompensés par une médaille de bronze, ce qui totalise 4 médaillés olympiques.

Le graphique suivant permet d’analyser les 30 nations les plus médaillées de l’histoire des Jeux Olympiques d’été, entre 1896 et 2021. Il est important de noter que les regroupements de pays, comme par exemple l’ex-Union soviétique, ont été conservés dans ce top 30 car ils font partie de l’histoire des Jeux Olympiques au même titre que l’Allemagne de l’Est et l’Allemagne de l’Ouest. Enfin, nous précisons que les nations sont ordonnées en fonction du nombre de médailles d’or.

Nations les plus médaillées

*Nations qui ne participent plus aux JO.

**Comprend les médailles remportées par l’équipe unifiée aux Jeux Olympiques de 1992, composée de tous les athlètes des pays de l’ex-Union soviétique, à l’exclusion des États baltes.

***Comprend les médailles remportées par les équipes allemandes unifiées aux Jeux Olympiques de 1956, 1960 et 1964.

****Les médailles remportées par les athlètes représentant l’Australasie aux Jeux Olympiques de 1908 et 1912 ont été redistribuées aux pays respectifs des athlètes. La médaille d’or remportée au relais 4×200 m nage libre masculin a été incluse dans les deux totaux, car l’équipe comprenait des athlètes des deux pays.

On remarque que les États-Unis sont ultra-dominants depuis la création des Jeux modernes et devancent largement le regroupement entre la Russie, l’ex-Union soviétique et le Comité olympique russe (récemment créé à la suite des affaires de dopage chez les athlètes russes). Bien que n’ayant pas participé aux olympiades depuis 1992, à l’issue de sa dissolution en 1991, l’ex-Union soviétique reste malgré tout le troisième comité olympique le plus titré de l’histoire des Jeux Olympiques. La France, quant à elle, est la huitième nation la plus titrée de l’histoire, ce qui est loin d’être négligeable.

2. Les Jeux Olympiques de Paris 2024

Les Jeux Olympiques de Paris 2024 se sont déroulés du 26 juillet au 11 août. Ils représentent la XXXIIIe olympiade de l’ère moderne. Paris devient ainsi la 2e ville de l’histoire à accueillir les Jeux Olympiques d’été une troisième fois, après 1900 et 1924.

En quelques chiffres, Paris 2024 c’est:

• 206 comités olympiques réunis
• Environ 10 500 athlètes
• 45 disciplines soit 2 de moins qu’à Tokyo en 2021, mais avec l’apparition d’une nouvelle discipline: le breakdance
• 329 épreuves au total soit 329 médailles d’or décernées.

L’objectif de cette partie est d’apporter une vision alternative des analyses rencontrées depuis la fin des JO.

2.1 Parité et nations les plus représentées.

Un des sujets majeurs concerne la parité entre les femmes et les hommes. Nous avons vu dans la première partie que cette dernière tendait à s’équilibrer depuis les JO de Tokyo. Le comité d’organisation de Paris 2024 a d’ailleurs mis en avant une parité totale. La répartition exacte des athlètes est en réalité la suivante :

Parité aux JO de Paris 2024.

Malgré un très léger différentiel entre les hommes et les femmes, la parité totale est proche d’être respectée.

Avant d’aborder le sujet des médailles et des nations les plus médaillées, il est important d’étudier les comités olympiques les plus représentés lors des JO de Paris. Pour cela, le graphique suivant permet d’observer à la fois le top 20 des nations les plus représentées ainsi que la répartition des femmes et des hommes pour chacune d’entre elles.

Top 20 des nations en terme d’effectif.

 

Les États-Unis et la France sont de loin les deux nations les plus représentées lors de cette olympiade. On note que les délégations puissantes, comme les USA, la Chine ou encore l’Australie, sont venues à Paris avec plus de femmes que d’hommes. Si, dans l’ensemble, les nations de ce top 20 présentent un équilibre relatif entre les hommes et les femmes, on remarque que l’Argentine et l’Égypte avaient une délégation constituée respectivement aux 3/4 et 2/3 d’hommes.

 

2.2 Les nations les plus titrées à Paris

2.2.1 Classement « classique »

La première information qui ressort d’une olympiade est naturellement le classement des nations, qui se fait traditionnellement selon le nombre de médailles d’or gagnées, puis d’argent et de bronze. Nous avons pu voir que les USA dominaient historiquement ce classement. Si la Chine talonne quant à elle les États-Unis depuis quelques années, il est difficile de trouver une hiérarchie stable entre le Japon, la Grande-Bretagne ou encore l’Australie. Avant de proposer une vision alternative de ce classement, il est essentiel de le présenter tel que tout le monde le connaît aujourd’hui.

 

Classement des nations JO 2024.

Comme mentionné en introduction, on peut voir que la Chine talonne de très près les États-Unis puisque ces deux délégations ont gagné exactement le même nombre de titres olympiques. La différence se fait donc au niveau des médailles d’argent et de bronze, et on constate que les USA sont largement au-dessus de leurs rivaux chinois sur ces deux aspects. La bataille pour la troisième place a été, quant à elle, âpre durant la quinzaine olympique. Si la France a longtemps bénéficié du « home advantage », elle a craqué en deuxième semaine pour finir à une honorable 5e place, dépassant de loin son meilleur résultat en termes de médailles totales. C’est finalement le Japon qui s’est imposé et se confirme comme étant la troisième nation forte des Jeux Olympiques, avec 20 titres olympiques glanés, soit 7 de moins que lors de leurs jeux mais qui suffisent pour s’accrocher au podium. Enfin, quelques bonnes surprises sont à noter dans ce top 20: l’Ouzbékistan pointe à la 13e place de ce classement, ainsi que l’Irlande, qui intègre le top 20 avec 4 titres olympiques.

Cependant, il est important de nuancer ce classement en prenant en compte des aspects démographiques tel que le nombre d’habitants par pays; mais également en ne se limitant pas simplement aux médailles d’or, en considérant le nombre total de médailles ainsi que le nombre d’athlètes médaillés par délégation par rapport au nombre total d’athlètes, etc.

2.2.2 Normalisation du classement par rapport à la population de chaque pays

Un premier moyen d’ajuster ce classement est donc de « normaliser » le nombre de médailles d’or ainsi que le nombre total de médailles en fonction de la population totale de chaque nation. Le graphique suivant présente l’évolution de ce classement : les nations sont d’abord triées selon leur position dans le classement « classique », puis on affiche leur rang selon les deux méthodes appliquées :

• Normalisation du nombre de médailles d’or par rapport à la population totale du pays, soit le nombre de médailles d’or par habitant
• Normalisation du nombre total de médailles par rapport à la population totale du pays, soit le nombre de médailles totales par habitant

 

Evolution du classement des nations JO 2024.

Le constat est sans appel : les deux délégations fortes que sont les USA et la Chine chutent totalement dans le top 20 et se retrouvent aux alentours de la quinzième place pour les États-Unis et de la vingtième place pour la Chine. Le Japon voit également sa troisième place nettement contestée.

En revanche, la Nouvelle-Zélande, les Pays-Bas, ainsi que des nations comme l’Irlande, la Norvège ou encore la Hongrie voient leur classement s’améliorer de façon significative. La Nouvelle-Zélande se retrouve projetée à la 1e place, et les Pays-Bas à la 2e ou à la 3e place selon la méthode appliquée. Cela signifie que, malgré une population bien moins importante que les grandes puissances mondiales, ces nations se démarquent par un vivier d’athlètes de haut niveau capables de briller dans la plus grande des compétitions.

Enfin, nous pouvons aussi voir que le classement de la France se retrouve fragilisé si l’on prend en compte la population du pays, puisque la délégation française se voit reléguée à la neuvième et à la huitième position du classement. Ce qui veut dire que, malgré un très bon classement, la France pourrait largement faire mieux si l’on prend en compte sa puissance démographique.

Remarque: Une dernière piste envisageable pour construire un classement des nations encore plus « juste » consisterait à prendre en compte la part d’investissement de chacune des nations ou encore le budget de chaque comité olympique, afin de normaliser le nombre de médailles gagnées par cette valeur, qui serait un véritable témoin de l’implication d’un pays dans le sport de manière générale. 

2.2.3 Nombre d’athlètes médaillés et nombre de disciplines médaillées par délégation.

 

Un autre moyen de nuancer le classement des nations est de prendre en compte le nombre total d’athlètes par délégation ainsi que le nombre de disciplines dans lesquelles les délégations ont glané des médailles. Pour cela, nous avons calculé le rapport entre le nombre d’athlètes médaillés et le nombre total d’athlètes par délégation, ainsi que le nombre de disciplines dans lesquelles chaque délégation a remporté des médailles.

À noter que pour les sports collectifs, tous les membres de l’effectif sont comptés comme athlètes médaillés.

Le graphique suivant permet donc d’observer la relation entre le rapport du nombre de médaillés et le nombre total d’athlètes, avec le nombre de disciplines médaillées. La taille des points dépend quant à elle du nombre total de médailles gagnées.

Plusieurs enseignements peuvent être tirés de cette analyse. En effet, on peut catégoriser les délégations selon quatre caractéristiques :

• Les nations spécifiques en haut à gauche
• Les nations puissantes en haut à droite
• Les nations qui gagnent peu dans peu de disciplines
• Les nations qui gagnent peu mais dans beaucoup de disciplines

On remarque que la Corée du Nord possède 50 % d’athlètes médaillés dans très peu de disciplines, ce qui signifie qu’ils sont spécialisés dans des disciplines où ils sont sûrs de gagner. À l’inverse, des pays comme la Croatie, la Norvège ou bien la Serbie récoltent des médailles dans peu de disciplines et ont peu d’athlètes médaillés à l’échelle de leur propre délégation. Concernant des nations comme la France, l’Allemagne ou encore l’Australie, elles gagnent des médailles dans beaucoup de disciplines, mais ont cependant un ratio de médaillés assez faible, tout en sachant que ces nations sont souvent sur le podium dans de nombreux sports collectifs. Enfin, les nations puissantes des Jeux Olympiques, comme la Chine, les Pays-Bas et, bien évidemment, les USA, sont des nations complètes, puisqu’elles ne sont pas spécialisées dans des disciplines où elles sont sûres de gagner des médailles et possèdent un ratio de médaillés important à l’échelle de leur délégation respective.

 

2.3 Les athlètes les plus médaillés à Paris

Après s’être intéressé aux classements à l’échelle des nations, la dernière étape vise à étudier les athlètes les plus médaillés. Ce classement peut à la fois témoigner de la puissance de certaines délégations ou, à l’inverse, de la faiblesse relative de certaines autres.

Voici donc le top 15 des athlètes les plus médaillés lors des Jeux Olympiques de Paris 2024.

15 athlètes les plus médaillés aux JO 2024.

Le premier constat est que seulement 7 nations sont représentées parmi les 15 athlètes médaillés, et que 6 athlètes américains figurent dans ce classement, ce qui démontre une nouvelle fois la puissance de la délégation américaine.

À l’inverse, Léon Marchand est de loin l’athlète le plus médaillé de la délégation française avec quatre médailles d’or et cinq au total. Le constat est sans appel, tant sur la performance exceptionnelle réalisée par le nageur de 23 ans que sur le fait qu’il rapporte à lui seul un quart des médailles d’or de la délégation française et un peu moins de 10 % de la totalité des médailles. Sans Léon Marchand, la France chuterait au niveau de l’Italie, soit à la huitième place du classement des nations.

3. Analyses spécifiques des performances réalisées lors des JO de Paris 2024

 

Après avoir réalisé une analyse macroscopique des performances à Paris, il s’avère intéressant de faire le focus sur certaines disciplines clés et sur l’historique des Jeux Olympiques.

Pour ce faire nous allons nous concentrer sur quelques disciplines, telles que l’athlétisme, la natation ou encore l’escrime.

Ensuite, nous nous concentrerons sur la délégation française qui a remporté un record de 64 médailles olympiques. Nous chercherons à identifier les disciplines dans lesquelles la France a fortement progressé ou à l’inverse, régressé depuis les Jeux Olympiques de Londres en 2012.

 

3.1 L’athlétisme : les USA et les autres

Les épreuves d’athlétisme constituent toujours un moment fort lors d’une olympiade et Paris 2024 n’a pas dérogé à la règle. Le constat est sans appel : les USA dominent l’athlétisme international. Le graphique suivant le démontre :

Ranking des épreuves d’athlétisme. Les valeurs numériques représentent le nombre de titres olympiques obtenus pour chaque nation.

On constate en effet que les USA sont de loin la délégation la plus puissante en athlétisme. Les rankings médians doivent être vus comme une information complémentaire, mais ne remettent en aucun cas en question le classement établi. Les USA possèdent par exemple un ranking médian de 9, tout en s’imposant comme la délégation la plus performante.

Si l’on s’intéresse plus précisément à l’évolution des rankings des pays hôtes et des États-Unis, lors des quatre dernières olympiades, on remarque différentes courbes, visibles sur le graphique suivant :

 

Evolution des rankings en athlétisme des pays hôtes.

En premier lieu, nous constatons la domination constante des USA au cours des quatre dernières olympiades. Par ailleurs, on remarque que le Brésil et le Japon ont tout mis en œuvre pour obtenir un bilan honorable lors de leurs olympiades respectives, puisqu’ils n’ont jamais réitéré ce niveau de performance.

La Grande-Bretagne quant à elle, démontre une certaine stabilité entre 2012 et 2021, avant de progresser considérablement lors des JO de Paris.

Enfin, la délégation française n’a pas obtenu les mêmes résultats que le Brésil et le Japon lorsqu’ils ont organisé leurs Jeux. On constate effectivement une baisse progressive de son niveau de performances, malgré plusieurs succès honorables. La France semble souffrir de la concurrence et accuser un retard par rapport aux autres nations. 

3.2 La natation : grande bataille derrière les USA

Centrons nous à présent sur les épreuves de natation, pour lesquelles nous avons calculé le classement de chaque nation.

Ranking des épreuves de natation. Les valeurs numériques représentent le nombre de titres olympiques obtenus pour chaque nation.

 

Bien que toujours dominants, les États-Unis sont talonnés par l’Australie avec ses 7 titres olympiques et 18 médailles. Derrière ces deux nations, la lutte est féroce entre le Canada, la France et la Chine.

 

Evolution des rankings en natation des pays hôtes.

Comme en athlétisme, les États-Unis dominent les épreuves de natation depuis les 4 dernières olympiades. La Grande-Bretagne et surtout le Japon, ont vu leur classement respectif chuter à Paris. La France quant à elle, retouve des couleurs en remportant quasiment le même nombre total de médailles qu’à Londres, supérieur à celui de Rio et de Tokyo.

3.3 L’escrime : une progression malgré quelques frustrations

L’escrime fait elle aussi partie des disciplines emblématiques des Jeux Olympiques d’été et permet souvent à la délégation française d’augmenter significativement son nombre de médailles. Qu’en est-il cette année ?

Ranking des épreuves d’escrime. Les valeurs numériques représentent le nombre de titres olympiques obtenus pour chaque nation.

Le Japon domine ce classement devant la France, malgré le fait qu’elle ait remporté plus de médailles. Sur les 7 gagnées à Paris, on ne peut compter qu’une seule en or à l’issue d’une confrontation franco-française ; la France totalisant 3 finales perdues.

 

Evolution des rankings en escrime des pays hôtes.

Lors des deux précédentes olympiades, la France et le Japon se sont talonnées dans le top 5 des meilleures nations. En revanche, la Grande-Bretagne et le Brésil ne semblent pas beaucoup investir dans les différentes disciplines de l’escrime.

3.4 Focus sur quelques disciplines pour la délégaation française

3.4.1 Les difficultés

L’objectif ici est de porter un regard sur quelques disciplines pour lesquelles la France fait face à certaines difficultés, en l’occurence l’athlétisme, la gymnastique, l’escalade, l’aviron et le cyclisme sur piste.

 

Disciplines où la France éprouve des difficultés.

 

Concernant tout d’abord le cyclisme sur piste, nous observons un manque de constance. La délégation se retrouve en effet dans le top 5 des nations les plus performantes une année sur deux seulement (à Londres et à Tokyo), tandis qu’elle en est éjectée à Rio et à Paris.

En gymnastique, la France espérait réintégrer le top 10 atteint uniquement à Londres, mais elle n’y parvient pas, se classant même en dehors du top 20.

Pour l’aviron, malgré l’intégration du top 10 à deux reprises consécutives en 2016 et 2020, la délégation française se retrouve au-delà de la quinzième position, soit encore moins bien qu’en 2012 à Londres.

L’athlétisme, pour finir, demeure un point noir pour les Français. En effet, mise à part une brève apparition dans le top 10 à Rio, le top 20 est péniblement atteint lors des deux dernières éditions. 

3.4.2 Les disciplines où la France tire son épingle du jeu

Nous avons cette fois-ci sélectionné un échantillon de disciplines dans lesquelles la France affiche des résultats satisfaisants, comprenant la natation, le judo, l’escrime ou encore le BMX.

Disciplines où la France tire son épingle du jeu.

 

Les analyses ayant déjà été réalisées sur la natation et l’escrime au cours des sections précédentes, nous nous concentrons à présent sur d’autres disciplines.

Concernant le canoë-kayak, la France est revenue dans ses standards du top 10 comme à Londres et Rio, alors qu’elle s’était positionnée en dehors du top 20 à Tokyo. Cela démontre une capacité de rebond avec l’émergence d’une jeune génération prometteuse.

Nous observons également ce phénomène en judo, où la France avait difficilement atteint le top 10 à Tokyo faisant face à de nombreuses déceptions, et se retrouve sur le podium à Paris, comme à Londres et Rio.

Le tennis de table, discipline dominée par la Chine depuis son apparition aux JO en 1988, affiche un bilan très positif pour la délégation française qui intègre le top 5 avec deux médailles, alors qu’elle se trouvait bien au-delà du top 10 lors des trois précédentes éditions.

Le VTT français (XCO) revient également sur le devant de la scène, puisque les Bleus sont les seuls à avoir remporté deux médailles – dont une en or chez les femmes – ce qui les place comme à Londres, sur la plus haute marche du podium, alors que le top 5 n’avait pas été atteint à Rio ni à Tokyo.

Concernant le triathlon, la France figure dans le top 10 depuis les quatre dernières olympiades. Cette année, avec notamment un titre olympique et une médaille de bronze, elle devient la deuxième nation la plus performante.

Enfin, nous terminons avec le BMX et l’exceptionnel triplé réalisé par les Bleus lors de l’épreuve de racing. La France se place ainsi sur la plus haute marche du podium, tandis qu’elle oscillait autour du top 10 (en dehors à Tokyo, et en dedans à Londres et Rio).

4. Conclusion

Les Jeux Olympiques de Paris 2024 demeureront sans doute l’une des plus belles olympiades de l’histoire, tant sur le plan sportif qu’extra-sportif. Le succès fut complet. Notons que le pari sur la parité entre les hommes et les femmes a été respecté.

Au niveau des performances, si les États-Unis et la Chine confirment leur domination à l’échelle mondiale et au sein de diverses disciplines, les comités olympiques européens ont su tirer leur épingle du jeu, à l’image des Pays-Bas, de la France ou encore de la Grande-Bretagne. Cependant, le nombre total de médailles remportées par une délégation doit toujours être nuancé par la puissance démographique de la nation, comme nous l’avons vu à travers la seconde partie.

En ce qui concerne la délégation française, elle a non seulement battu son record de médailles totales remportées sur une olympiade, mais aussi celui du nombre de médailles d’or. La France a dominé certaines disciplines comme le BMX, le VTT ou encore le triathlon, et s’est souvent retrouvée sur le podium des sports collectifs, notamment en basket, football, handball et volley. Le bilan aurait pu être encore meilleur si les Français avaient remporté davantage de finales, notamment en escrime ou en boxe. Pour finir, il convient de mentionner le nouveau phénomène de la natation mondiale, Léon Marchand, qui a su répondre présent au défi fou de ses 4 médailles d’or.

Tout le monde est unanime chez Seenovate quant à la réussite de ces Jeux Olympiques de Paris 2024. Nous félicitons l’ensemble des athlètes français engagés sur ces Jeux et tout particulièrement les médaillés, et les remercions pour les émotions qu’ils nous ont procurées.

The post Rapport d’analyse des Jeux Olympiques de Paris 2024 appeared first on Seesports.