Pendant toute la Coupe du Monde 2026, la FIFA a publié gratuitement, après chaque match, les données physiques de chaque joueur : distance parcourue, nombre de sprints, vitesse de pointe, passes tentées et réussies. Le genre de données que les clubs professionnels achètent très cher en temps normal.

Presque personne ne les exploite. Le problème n'est pas l'accès — elles sont en ligne, publiques, gratuites. Le problème, c'est le format : une centaine de PDF de 50 pages, un par match.

~150 lignes
de Python ont suffi pour libérer ces données : récupération automatique des rapports officiels, décodage de la police d'écriture, extraction dans un fichier CSV exploitable. Sans API payante, sans licence de données sportives.
Source : FIFA Training Centre — Post-Match Summary Reports, Coupe du Monde 2026.

Ce que j'ai fait, concrètement

Trois étapes. D'abord, récupérer automatiquement les rapports officiels publiés après chaque match — le « scraping » : un script qui télécharge les fichiers à ma place. Ensuite, la surprise du projet : les chiffres de ces PDF n'étaient pas copiables tels quels, la police d'écriture était encodée — il a fallu décoder la correspondance entre les caractères affichés et les vrais chiffres. Enfin, extraire le tout dans un fichier CSV : un simple tableau, lisible par Excel comme par n'importe quel outil.

Une fois les données libérées, tout devient possible. Pour la finale Argentine – Espagne du 19 juillet, j'ai généré une animation de données avec matplotlib (une bibliothèque Python de graphiques) comparant les tournois de Messi et de Yamal.

« La finale en données » : l'animation matplotlib générée à partir des CSV extraits des rapports FIFA.

Messi × Yamal : la finale en chiffres

Cumul sur les sept matchs de chaque équipe avant la finale du 19 juillet :

Infographie comparant Messi et Yamal sur le tournoi : buts 8-1, tirs 34-23, passes réussies 79%-85%, vitesse max 30,0-32,9 km/h, distance 54,3-51,5 km, sprints 176-212
Le duel individuel, généré depuis les CSV.
Infographie comparant l'Argentine et l'Espagne sur le tournoi : buts marqués 19-13, buts encaissés 7-1, xG cumulé 15,4-15,0, possession 55%-58%, ballons récupérés 297-343
Le comparatif des deux équipes finalistes.

Deux générations, deux profils physiques radicalement différents — et tout ça sort de rapports PDF que n'importe qui pouvait télécharger.

Épilogue (mis à jour après la finale) : la donnée l'avait annoncé

La finale a tranché — et elle a donné raison aux chiffres. Match après match, le volume de sprints de Yamal ne cessait de monter : 6, 19, 34, 36, 38, 34, 45… puis 50 sprints en finale, son record du tournoi.

2,52 – 0,07
l'xG (« expected goals » : le nombre de buts attendus au vu des occasions) de la finale Espagne – Argentine. Pas un seul tir argentin cadré. Sur le duel : Yamal 12,8 km et 4 tirs, Messi 10,1 km et 1 tir. L'Espagne est championne du monde avec un seul but encaissé en 8 matchs.
Source : FIFA Training Centre — Post-Match Summary Report de la finale.

Ce n'est pas de la magie prédictive : c'est ce qu'une série temporelle bien construite sait faire. La tendance était dans les données publiques dès les quarts de finale — encore fallait-il les avoir extraites pour la voir.

Un PDF est une base de données qui s'ignore

La leçon dépasse largement le football. Votre entreprise reçoit et produit des PDF en permanence : factures fournisseurs, relevés bancaires, rapports d'activité, catalogues, comptes rendus. Chacun contient des chiffres structurés… que personne ne consolide jamais.

1Extraire — sortir les données de leurs PDF

Identifiez les documents qui arrivent régulièrement : factures, relevés, rapports. Les bibliothèques open source et les outils d'IA actuels en extraient les chiffres automatiquement — y compris sur des documents scannés.

2Structurer — tout verser dans un format exploitable

Un tableur ou une base simple suffit : une ligne par facture, par commande, par mesure. C'est l'étape qui transforme une pile de documents en historique interrogeable.

3Exploiter — croiser, suivre, alerter

Évolution des prix unitaires d'un fournisseur sur 18 mois, dérive d'un poste de dépense, comparaison automatique de deux versions d'un catalogue, consolidation d'indicateurs éparpillés dans des rapports mensuels.

Combien de chiffres dorment dans vos PDF ?

Il y a cinq ans, ce travail demandait un développeur pendant des semaines. Aujourd'hui, entre les bibliothèques open source et les modèles d'IA capables de lire des documents, quelques heures suffisent souvent pour une première extraction propre.

La question n'est plus « est-ce possible ? ». C'est : quels chiffres dorment dans les PDF de votre entreprise — et qu'est-ce qu'ils vous apprendraient si on les réveillait ?

Cet article est adapté d'un de mes posts LinkedIn — suivez-moi sur LinkedIn pour ces contenus en avant-première.