Retour aux projets
En développement Aperçu du projet
Scrapping Data Analyse Python 2026

Valorant Scrapper

Présentation générale

Valorant Scrapper est une application d’analyse de performance basée sur les données publiques du site Tracker.gg. Elle repose sur un système de web scraping développé en Python, utilisant la bibliothèque Selenium afin de simuler le comportement d’un utilisateur et d’extraire les informations pertinentes. L’objectif principal de cette application est de suivre l’évolution des performances d’un joueur sur Valorant, de manière quotidienne, afin d’identifier rapidement les axes d’amélioration et les éventuelles difficultés rencontrées dans sa progression. À terme, le projet vise à proposer un outil open source destiné aux coachs et assistants coachs, leur permettant d’analyser efficacement les performances des joueurs et d’optimiser leur accompagnement.

Pourquoi pas utiliser l'API de Riot Games ?

Dans l’attente de l’approbation de mon application par Riot Games, cet exemple a été développé afin d’appuyer et d’illustrer ma demande. En cas d’acceptation, une évolution majeure de l’application sera mise en œuvre, permettant d’exploiter pleinement les fonctionnalités offertes par l’accès officiel aux données.

Pourquoi pas utiliser le site source ?

Le site Tracker.gg ne permet pas d’analyser de manière fine l’évolution quotidienne de certaines métriques clés, telles que le pourcentage de headshots ou l’évolution de l’ACS.

Stack technique

Technologies utilisées

Python Langage
Selenium Librairie
GitHub CI DevOps
Windows Système d'exploitation
JSON Format de donnée
HTML Langage
CSS Langage

Fonctionnalités clés

Déroulement du projet

Phase 01

Analyse & Architecture

Étude des besoins, définition de l'architecture cible et choix des technologies.

Phase 02

Développement

Implémentation du code permétant l'extraction des données.

Phase 03

Intégration & Tests

Visualisation des premières données et validation des données

Phase 04

Réalisation du dashboard

Création du dashboard pour permettre la visualisation des données.

Phase 05

Test & TNR

RTest du dashboard, validatio des données et test de non-régression.

Phase 06

Évolution

Recherche d'évolution futur (enregistrement des données dans une bdd, comparaison avec des joueurs pros, déploiement en ligne)