Générateur d'équipes aléatoires (créateur de groupes)

Collez une liste de noms et répartissez-la en équipes aléatoires équitables — par nombre d'équipes ou par taille d'équipe, avec mélange cryptographique et copie en un clic.

1 255 vues

Comment le mélange fonctionne vraiment

Répartir une liste équitablement se résume à une seule question : chaque arrangement possible des personnes est-il vraiment aussi probable qu'un autre ? Cet outil utilise le mélange de Fisher-Yates, un algorithme à l'histoire étonnamment longue — décrit pour la première fois en 1938 par les statisticiens Ronald Fisher et Frank Yates comme une procédure manuelle, au crayon et au papier, pour randomiser des lignes dans des tables statistiques. En 1964, Richard Durstenfeld l'a adapté en la version efficace et adaptée aux ordinateurs utilisée aujourd'hui, qui s'exécute en temps linéaire en parcourant la liste une seule fois et en échangeant chaque élément avec un autre choisi au hasard parmi la portion pas encore mélangée. Donald Knuth a ensuite popularisé cette version dans « The Art of Computer Programming », ce qui explique pourquoi on l'appelle parfois aussi mélange de Knuth.

Le hasard lui-même provient de crypto.getRandomValues, la source de nombres aléatoires cryptographiquement sûre du navigateur — la même que celle utilisée dans notre outil de tirage au sort — plutôt que de Math.random, plus rapide mais non conçu pour résister à la prédiction. La rigueur de l'implémentation compte aussi ici : un mélange naïf, qui choisirait à chaque étape une position d'échange dans la liste entière plutôt que seulement dans la portion restante non mélangée, introduit silencieusement un biais statistique. Certains arrangements finaux deviennent alors plus probables que d'autres — un effet subtil qui rappelle dans l'esprit le paradoxe des anniversaires, où les probabilités réelles diffèrent de ce que suggère l'intuition. Un mélange de Fisher-Yates correctement implémenté évite cela : à chaque étape, il choisit de façon uniforme uniquement parmi les éléments pas encore placés, ce qui garde chaque ordre possible également probable.

Ce qu'il faut savoir

Répartir des personnes en groupes qui ne se divisent pas de façon égale est une décision de conception distincte du mélange lui-même. Quand une liste ne peut pas être répartie en équipes parfaitement égales, le reste est distribué à raison d'une personne supplémentaire par équipe, en commençant par la première équipe, plutôt que d'entasser toutes les personnes en trop dans une seule équipe — la façon la plus équitable de résoudre un reste qui n'a pas de réponse parfaitement égale.

  • Choisissez de répartir selon un nombre d'équipes cible ou une taille d'équipe cible — selon ce qui compte réellement pour la situation.
  • Répartir à nouveau relance le mélange entièrement à zéro avec un nouveau hasard, produisant un arrangement véritablement différent plutôt qu'un simple réarrangement du précédent.
  • Les noms sont mélangés entièrement dans le navigateur ; rien n'est envoyé nulle part, ce qui convient aussi aux listes de classe ou effectifs d'équipe confidentiels.

Questions fréquentes

Que se passe-t-il si la liste ne se divise pas parfaitement ?

Le reste est réparti à raison d'une personne supplémentaire par équipe en commençant par l'équipe 1 — avec 11 personnes en 3 équipes, on obtient 4-4-3, jamais 5-3-3.

La répartition est-elle vraiment aléatoire ?

Oui — un mélange de Fisher-Yates non biaisé, alimenté par crypto.getRandomValues, la source cryptographique du navigateur. Répartir à nouveau produit à chaque fois un arrangement réellement nouveau.

Puis-je séparer ou garder deux personnes ensemble ?

Pas automatiquement — répartissez, puis échangez une paire manuellement si besoin. La répartition avec contraintes figure sur notre liste d'idées.

D'où vient le mélange de Fisher-Yates ?

Il a été décrit pour la première fois en 1938 par Ronald Fisher et Frank Yates comme une procédure manuelle de mélange pour la statistique. Richard Durstenfeld l'a transformé en 1964 en l'algorithme informatique efficace utilisé aujourd'hui, ensuite popularisé par Donald Knuth — d'où son autre nom de mélange de Knuth.

Pourquoi ne pas simplement utiliser un mélange aléatoire plus simple ?

Les approches naïves, comme échanger chaque élément avec une position choisie dans la liste entière plutôt que seulement dans la portion restante non mélangée, favorisent silencieusement certains arrangements finaux au détriment d'autres. Un mélange de Fisher-Yates correctement implémenté choisit chaque échange uniquement parmi les éléments pas encore placés, ce qui rend chaque ordre possible également probable.

Commentaires

Pas encore de commentaires — soyez le premier à en écrire un !

Outils similaires