Scavenger AI révèle les modèles de données de l'Eurovision

Scavenger AI, une entreprise d'analyse de données, a publié une analyse approfondie de 68 ans du Concours Eurovision de la Chanson. L'examen de plus de 51 000 lignes de vote et de 1 700 textes de chansons met en évidence des modèles surprenants de ce qui contribue au succès dans la compétition.

L'analyse indique que les prédictions des fans ne sont pas toujours exactes. Alors que les favoris du public, comme la communauté MyESC, ont obtenu de meilleurs résultats, plaçant tous les gagnants récents dans le top sept, les votes du fan-club OGAE ont été plus incohérents. La base d'adhésion plus large de la communauté MyESC, plus de 10 000 membres, combinée à davantage de données, semble expliquer sa capacité prédictive supérieure par rapport au groupe d'environ 900 membres de l'OGAE.

Stratégiquement, l'ordre de passage a un impact significatif sur les résultats. Les données montrent que les premières entrées, en particulier celles dans les cinq premières positions, n'ont pas gagné ces dernières années. Au contraire, deux créneaux spécifiques, les positions 11–15 et 21–26, ont produit sept des huit derniers gagnants, avec des scores moyens de 213 et 216 points respectivement. Cependant, le créneau intermédiaire 16–20 montre une baisse notable et n'a produit aucune victoire.

L'utilisation de la langue a également connu un changement. Après la modification des règles en 1999, qui a supprimé l'obligation de chanter dans sa langue maternelle, les chansons en anglais ont connu un essor. Cependant, la victoire du Portugal en 2017 avec la chanson portugaise de Salvador Sobral a marqué un renversement. Depuis lors, la proportion de chansons en langue maternelle a augmenté régulièrement, quatre des huit dernières chansons gagnantes étant interprétées dans la langue officielle de leur pays.

L'analyse des paroles révèle que les chansons gagnantes ont tendance à avoir un ton plus positif et à inclure des mots comme "forever", tandis que "La La La" apparaît plus fréquemment dans les entrées de dernière place. La répartition par sexe des interprètes est relativement équilibrée, mais les artistes solo réussissent statistiquement mieux que les groupes. Scavenger AI suggère qu'un profil de vainqueur optimal pourrait impliquer une chanson en langue maternelle, interprétée par un artiste solo dans un ordre de passage entre 11 et 15 ou 21 et 26, avec des paroles positives.