Initial commit: Reorganiser le projet FFA Calendar Scraper

- Créer une arborescence propre (src/, scripts/, config/, data/, docs/, tests/)
- Déplacer les modules Python dans src/
- Déplacer les scripts autonomes dans scripts/
- Nettoyer les fichiers temporaires et __pycache__
- Mettre à jour le README.md avec documentation complète
- Mettre à jour les imports dans les scripts pour la nouvelle structure
- Configurer le .gitignore pour ignorer les données et logs
- Organiser les données dans data/ (courses, resultats, clubs, exports)

Structure du projet:
- src/: Modules principaux (ffa_scraper, ffa_analyzer)
- scripts/: Scripts CLI et utilitaires
- config/: Configuration (config.env)
- data/: Données générées
- docs/: Documentation
- tests/: Tests unitaires

💘 Generated with Crush

Assisted-by: GLM-4.7 via Crush <crush@charm.land>

scripts/monitor_scraping.py

@@ -0,0 +1,72 @@
+#!/usr/bin/env python3
+"""
+Script de surveillance du scraping FFA
+"""
+
+import time
+import pandas as pd
+from pathlib import Path
+
+def monitor_scraping(data_dir="data_2024_2025"):
+    """Surveiller le scraping et afficher les statistiques"""
+
+    results_file = Path(data_dir) / "resultats" / "results.csv"
+    courses_file = Path(data_dir) / "courses" / "courses_list.csv"
+
+    while True:
+        print("\n" + "="*60)
+        print(f"📊 Surveillance du scraping - {time.strftime('%H:%M:%S')}")
+        print("="*60)
+
+        # Statistiques des courses
+        if courses_file.exists():
+            courses_df = pd.read_csv(courses_file)
+            print(f"📅 Courses disponibles: {len(courses_df)}")
+
+        # Statistiques des résultats
+        if results_file.exists():
+            results_df = pd.read_csv(results_file)
+            print(f"🏃 Résultats récupérés: {len(results_df)}")
+            print(f"💾 Taille fichier: {results_file.stat().st_size / (1024*1024):.2f} Mo")
+
+            # Recherche Augustin ROUX
+            augustin_mask = (
+                results_df['nom'].str.contains('ROUX', case=False, na=False) &
+                results_df['prenom'].str.contains('Augustin', case=False, na=False)
+            )
+            augustin_results = results_df[augustin_mask]
+
+            print(f"\n🎯 Recherche: Augustin ROUX")
+            print(f"   Résultats trouvés: {len(augustin_results)}")
+
+            if len(augustin_results) > 0:
+                print(f"\n   Détails des résultats:")
+                for idx, row in augustin_results.iterrows():
+                    print(f"   - Place {row['place']}: {row['resultat']} ({row['date'] if 'date' in row else 'N/A'})")
+                    if 'club' in row and pd.notna(row['club']):
+                        print(f"     Club: {row['club']}")
+
+            # Top 5 clubs par nombre de résultats
+            print(f"\n🏟️  Top 5 clubs par nombre de résultats:")
+            top_clubs = results_df['club'].value_counts().head(5)
+            for club, count in top_clubs.items():
+                print(f"   - {club}: {count} résultats")
+
+            # Recherche clubs Charente-Maritime (17)
+            print(f"\n📍 Clubs Charente-Maritime (17):")
+            dept17_mask = results_df['club'].str.contains(r'[\( ]17[\) ]', na=False)
+            dept17_results = results_df[dept17_mask]
+            dept17_clubs = dept17_results['club'].unique() if len(dept17_results) > 0 else []
+
+            if len(dept17_clubs) > 0:
+                for club in dept17_clubs[:10]:
+                    count = len(results_df[results_df['club'] == club])
+                    print(f"   - {club}: {count} résultats")
+            else:
+                print(f"   Aucun résultat trouvé pour le département 17")
+
+        print("\n⏳ Prochaine vérification dans 60 secondes...")
+        time.sleep(60)
+
+if __name__ == "__main__":
+    monitor_scraping()