arthur.bebou

git clone git://bebou.netlib.re/arthur.bebou
Log | Files | Refs |

index.sh (14897B)

 #! page
 title: Des données, des stats et un jeu sur les JO d\'été
 author: Arthur Pons
 description: L\'escrime ou le judo, quel est le meilleur sport pour la France aux JO d\'été ?
 publication: 2024-08-21
 
 sectionmd: main
 
 **Article vaguement relu**
 
 Avant toute chose je tiens à rappeler que l'édition 2024 Jeux Olympiques à Paris
 a provoqué l'expulsion ou servi de prétexte pour expulser de nombreuses
 personnes, dont la plupart sont vulnérables, de la capitale[^1]. La logique
 sécuritaire appliquée lors de l'évènement, mais déjà bien rodée depuis des
 années, a également mené des dizaines de militant·es en garde à vue
 abusives[^2][^3].
 
 Petit j'ai adoré regarder les JO et j'admets que mon éveil politique a rendu mon
 enthousiasme à ce sujet assez amer. Je pense que cette nostalgie m'empêche de
 prendre des positions et de modifier mes comportements à la hauteur de mes
 convictions. Là où il m'est très facile de ne plus manger de viande ou de me
 déplacer sans (directement) brûler de combustibles fossiles j'ai eu du mal à
 ne pas m'intéresser aux JO. Plus qu'à militer contre paradoxalement.
 
 Alors en attendant que les JO disparaissent ou que l'on parvienne à imaginer une
 manière de les faire qui ne génère plus systématiquement de nombreux impacts
 sociaux et environnementaux[^4], j'ai voulu regarder quelques statistiques à leurs
 propos.
 
 ## Les données
 
 J'ai cherché un jeu de données tabulaire comportant toutes les médailles
 remportées dans l'histoire des JO avec au moins l'édition, la couleur de la
 médaille, l'athlète, la date, le sport et l'épreuve. Il se trouve que je n'ai
 pas trouvé. En traînant dans ce monde on tombe souvent sur le site
 www.olympedia.org. Si l'on s'en tient aux résultats je pense que l'on retrouve
 plus ou moins la même chose sur wikipédia mais je n'ai jamais vraiment pris le
 temps d'apprendre à interroger wikidata. Le gros désavantage est que les
 personnes derrière ce site ont arrêté de renseigner la base de donnée. Les
 résultats post Tokyo 2020 n'y sont donc pas, ni les potentielles mise à jour
 suite à des contrôles positifs etc. Je ne garantis pas de n'avoir fait aucune
 erreur dans le scraping des données, notamment pour les premiers JO. Si vous en
 relevez n'hésitez pas à me le dire.
 
 Voici dans un seul fichier les 37 775 médailles délivrées aux JO d'été :
 [all.tsv.gz - ~535Ko](all.tsv.gz). Il peut être d'gzipé en un fichier de 5,7Mo avec `gunzip all.tsv.gz` ou, si vous n'avez pas la place, lu directement avec `zcat all.tsv.gz`.
 
 Le format est le suivant :
 
     1  id            : identifiant de la page de résultat du site olympedia.org
     2  date          : date de l'évènement. Actuellement dans un non standardisé, désolé
     3  location      : lieu de l'évènement
     4  edition       : année des JO (par ex : 2004 pour Athène)
     5  sport         : sport de l'évènement
     6  event         : épreuve pour lequel la médaille a été octroyé. Par exemple sport=athlétisme, event=saut en hauteur
     7  country       : pays de l'athlète
     8  athlete       : athlète médaillé
     9  color         : couleur de la médaille
     10 team          : est-ce que l'évènement se joue par équipe
     11  countrycode  : code IOC du pays de l'athlète[^8]
 
 ## Des statistiques
 
 Deux remarques avant de se lancer :
 
   1. Ne partez pas du principe qu'un évènement c'est trois athlètes qui se
      partagent l'or l'argent et le bronze. De nombreuses épreuves se jouent par
      par équipe voir distribuent plusieurs médailles d'une même couleur (le judo
      et la boxe donnent deux bronzes par exemple). Il existe même un évènement
      par équipe où les USA ont présenté plusieurs équipes ! Malheureusement il
      est difficile de faire la part des choses dans un TSV.
   2. Le TSV contient une ligne par personne qui a obtenue une médaille. Un
      évènement de handball représente donc toute une floppée de ligne même si,
      ramené au pays, cela ne représente qu'une seule médaille. Avant de faire
      des statistiques sur les médailles par pays ils faut donc écraser les
      résultats des évènements par équipe.
 
 Une fois le données récupérées je me suis rendu compte que j'étais très peu
 inspiré pour en faire des statistiques. La seule chose qui me soit venu à
 l'esprit a été de vérifier l'idée selon laquelle l'escrime est le sport
 qui pourvoi le plus de médailles à la France. A la lumière du point 2. il faut
 d'abord dédupliquer les médailles des évènements par équipe. Pour cela on retire
 le nom des athlètes et on retire les duplicats. Il ne reste plus qu'à filtrer
 sur la France, conserver le sport et les compter :
 
     $ cut -f8 --complement all.tsv | sort -u | #Retirer les athlètes
         grep -w FRA |                          #Filtrer sur la France
         cut -f5 |                              #Garder que les sports
         sort | uniq -c | sort -n               #Les compter
     [...]
     36	Rowing
     43	Swimming
     51	Sailing
     57	Judo
     62	Cycling Track
     68	Athletics
     120	Fencing
 
 Cela confirme qu'effectivement l'escrime est le plus grand pourvoyeur de médaille
 pour la France et de très loin. Cela dit, regardant les JO depuis 2004 j'avais
 l'intuition qu'il ne fournissait pas plus de deux fois plus de médailles que les
 autres sports. J'ai donc émit l'hypothèse que tout cela avait changé avec le
 temps. Vérifions. J'ai écrit un script qui récupère le nombre de médaille d'un
 pays par sport par année. Par exemple pour la France pour les cinq "meilleurs"
 sports :
 
 |year|Fencing|Athletics|Cycling Track|Judo|Sailing
 |---|---|---|---|---|---|
 1900|15|7|6|0|26|5|6|6|0|13|3|2|0|0|0
 1904|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0
 1908|4|2|5|0|1|0|0|2|0|3|1|0|0|0|0
 1912|0|2|0|0|1|0|0|2|0|0|1|5|0|0|0
 ...||||||
 |2008|4|3|2|4|3|6|2|1|3|1|2|0|3|0|1|
 |2012|0|3|3|7|1|7|1|2|0|0|1|2|1|0|2|
 |2016|3|6|1|5|3|3|2|2|6|1|0|0|0|0|2|
 |2020|5|1|2|8|3|1|2|1|0|0|0|0|0|0|0|
 
 On voit qu'effectivement la distribution des médailles dans le temps n'est pas
 uniforme. On a des années tout à fait exceptionnelle comme l'année 1900 avec les
 15 et 26 médailles respectivement en escrime et en voile. Le judo lui est top 4
 alors que la première médaille n'était possible qu'en 1964 :
 
     $ < all.tsv cut-f4,5 | sort -u | grep Judo
     1964	Judo
     1972	Judo
     1976	Judo
     1980	Judo
     1984	Judo
     [...]
 
 Reproduisons donc le même tableau en cumulé depuis 1964 et en y ajoutant à la
 main les résultats de 2024 :
 
 year|Fencing|Athletics|Cycling Track|Judo|Sailing
 |---|---|---|---|---|---
 1964|60|37|30|0|32
 1968|62|39|35|0|32
 1972|65|41|36|3|34
 1976|68|42|37|4|34
 1980|74|43|39|8|34
 1984|81|47|40|11|35
 1988|84|48|40|13|37
 1992|89|49|40|20|39
 1996|96|53|46|26|39
 2000|102|53|52|32|39
 2004|108|55|54|33|41
 2008|112|58|56|37|44
 2012|112|61|59|44|45
 2016|115|67|60|49|48
 2020|120|68|62|57|51
 2024|127|69|63|67|53
 
 On voit que la compétition entre le judo et l'escrime est bien plus serrée qu'il
 n'y paraît puisqu'en 15 éditions les deux sports ont remporté presque le même
 nombre de médailles, à un rythme deux fois plus élevé que l'athlétisme et le
 cyclisme sur piste. Sous forme de graph[^5] :
 
 ![Cumul des médailles en Escrime, athlé, cyclisme sur piste, judo et voile de la France de 1900 à 2024](cumul-medaille.png)
 
 Conclusion : bien qu'en absolu l'escrime mérite son statut de plus grand
 pourvoyeur de médaille cela s'explique principalement par une présence du sport
 depuis la toute première édition des JO modernes et une avance quelque peu
 injuste du fait des jeux un peu particulier de 1900. Depuis l'introduction du
 judo aux JO ce sport tient tête à l'escrime en tant que plus grand pourvoyeur
 de médaille. Il est en passe de devenir le second sport devant l'athlétisme qui
 lui est au ralenti sur les trois dernières éditions et est passé devant le
 cyclisme sur piste, autre sport reconnu comme très fort pour les français·e, à
 Paris.
 
 Cependant une analyse honnête ne devrait pas s'arrêter là. En effet, il n'est
 pas tout à fait juste de comparer les sport entre eux sans prendre en compte le
 nombre de médailles mises en jeux. On comprend aisément qu'il sera impossible
 pour le handball d'être un sport majeur selon cette métrique puisqu'une
 domination totale ne remporterait que deux médailles à un pays donné. A
 l'inverse, un très grand athlète dans une discipline telle que la natation
 peut rapporter à ellui seul·e quatre médailles d'or voir plus pour son pays. Cf.
 Marchand à Paris, Phelps à Pékin, Ledecky à Rio etc. La mesure de la domination
 d'un pays dans un sport se mesure donc plutôt au pourcentage de médailles mise
 en jeux qu'il remporte. La mesure comparative de la contribution d'un sport au
 total des médailles d'un pays devrait donc faire de même.
 
 Commençons par savoir combien de médailles ont été mises en jeu pour un sport
 donné :
 
     < data tail -n+2 | cut --complement -f8 | sort -u | grep "	team" | cut --complement -f7,8,9,10 | sort -u > t
     < data tail -n+2 | cut --complement -f8 | sort -u | grep "	notteam" | sort -u > nt
     cat t nt | cut -f5 | sort | uniq -c | sort -rn
 
     2854  Athletics
     1538  Swimming
     1353  Wrestling
     996   Boxing
     878   Artistic Gymnastics
     784   Shooting
     672   Weightlifting
     602   Judo
     526   Rowing
     516   Canoe Sprint
     466   Fencing
     [...]
 
 On constate bien que la natation et l'athlétisme sont sur-représentés, de même
 que les sports de combats avec leurs nombreuses catégories de poids. Les sports
 par équipe sont à l'inverse moins bien dotées. C'est d'autant plus vrai qu'il
 n'est pas possible pour un pays de remporter plusieurs médailles sur des
 compétitions par équipe puisqu'elle n'investit qu'une seule équipe[^6]. A
 l'extrême inverse il est possible, comme la Suisse l'a fait en VTT féminin en
 2020, de remporter *toutes* les médailles d'un évènement solo donné[^7]. Il suffit
 d'avoir au moins trois athlètes qualifié·es. Pour gérer cette exception on peut
 se baser sur la dernière colonne qui nous renseigne si l'épreuve est par équipe
 ou pas. Si elle l'est on ne compte qu'une seule ligne sur les n de dispos. Je
 n'ai pas de certitude que tout soit exact dans cette manière de procéder mais ça
 devrait être assez proche de la réalité.
 
 Information importante pour notre duel "escrime vs judo", il y a plus
 d'opportunités de médailles en judo qu'en escrime et ce malgré le fait que
 l'escrime soit un sport plus ancien. Cela suggère qu'il est possiblement plus
 remarquable que la France remporte autant de médailles en escrime qu'en Judo
 depuis 1948. Pour en avoir le coeur net calculons le top 10 des pourcentages de
 médailles remportées sur le nombre de médailles gagnables pour chaque sport
 pour la France :
 
     Croquet              100.0
     Cricket              100.0
     Equestrian Driving   66.6
     Equestrian Vaulting  50.0
     Motorboating         33.3
     Handball             26.9
     Rugby Sevens         25.0
     Fencing              25.7
     Tug-Of-War           20.0
     Polo                 20.0
 
 La France intouchable en croquet et en criquet. Ces résultats nous apprennent
 d'abord qu'il existait lors des premiers JO tout un tas de disciplines
 dorénavant disparues. La France remportant une part démesurées des médailles à
 cette époque là, les statistiques sont évidemment très favorables. En réalité le
 premier sport qui est notable ici est le handball pour lequel la France est
 montée sur 27% des podiums. Pour la suite ne prenons en compte que les sports
 pratiqués depuis 1944 :
 
     Handball               26.9
     Rugby Sevens           25.0
     Fencing                25.7
     Basketball             18.7
     Equestrian Jumping     16.3
     Canoe Slalom           16.6
     Sailing                15.2
     Cycling Track          15.6
     Archery                15.9
     Cycling Mountain Bike  14.2
     Equestrian Dressage    13.6
     Cycling Road           11.0
     Tennis                 9.21
     Judo                   9.46
     [...]
 
 On voit que le pourcentage de l'escrime est bien plus élevé que celui du judo.
 Autrement dit la France est effectivement plus dominante en escrime qu'en judo
 même si le second apporte peu ou prou le même nombre de médaille que le premier
 depuis son existence.
 
 Je mets d'autre stats sympas au fur et à mesure [ici](stats.html).
 
 ## Un jeu
 
 Toute personne qui regarde les JO, ou qui a lu cet article jusque là, sait que
 les podiums sont souvent assez stéréotypés. Des coréen·nes pour le tir à l'arc, des
 chinois·es pour le plongeon, des tchèques et des slovaques pour le canoë/kayak, des
 japonais·es et des français·es pour le judo. Il devrait donc être possible de
 deviner le sport en voyant les pays sur le podium. J'en ai fait [un
 jeu](oly).
 
 Pour qu'il fonctionne il faudra d'abord avoir téléchargé le gros TSV puis
 modifié la ligne `data=...` pour y mettre le chemin du TSV. Il est dommage
 d'avoir à télécharger +500Ko pour jouer, je vais faire un client de jeu qui
 requête les données à la volée sur le serveur pour ne pas avoir à le faire.
 Alternativement il est installé sur le serveur. Le lancer avec `oly`. Il n'a
 été testé que sous debian 12.
 
 [Consulter les highscores des membres du serveur](highscores)
 
 [^1]: https://lereversdelamedaille.fr/wp-content/uploads/2024/06/Rapport-1-an-de-nettoyage-social-le-revers-de-la-medaille.pdf
 [^2]: https://extinctionrebellion.fr/blog/2024/07/30/retour-sur-une-semaine-de-repression.html
 [^3]: https://www.mediapart.fr/journal/france/160824/huit-femmes-du-collectif-des-hijabeuses-ont-ete-placees-en-garde-vue-en-marge-des-jo
 [^4]: Parce que trois faits listés précédemment ne sont pas des faits isolés. Ce genre de choses (et parfois plus grave) surviennent systématiquement à tous les JO.
 [^5]: Réalisé avec [ce script](cumul.gp)
 [^6]: sauf au moins une exception que j'ai repéré dans des vieux JO des US qui avaient investis **13** équipes pour une compétition de gymnastiques.
 [^7]: Si ça vous intéresse c'est survenu 111 fois de 1948 à 2020. Vous pouvez avoir la liste en tapant cette magnifique commande : `< all.tsv awk -F'\t' '$4>1944' | cut -f1,7 | sort -u | cut -f1 | sort | uniq -c | sort -n | grep -E "^ *1 " | cut -f2 | xargs -I{} grep "^{}" all.tsv`. Evidemment c'est les Etats-Unis et l'URSS qui mènent la danse des cartons pleins avec respectivement 47 et 20 podiums complets chacun.
 [^8]: petite info marrante, plusieurs codes désignent plusieurs pays différents. GUI désigne la Guinée et la Guyane Britanique. ROC désigne le Comité Olympique Russe mais aussi la République de Chine. "Heureusement", il se trouve que pour chacune de ces ambiguité, l'un des deux "pays" n'a jamais remorté de médaille donc pas de confusion possible.