diff --git a/elections/templates/elections/results/rank.html b/elections/templates/elections/results/rank.html
index 073cfda..3e9cfc4 100644
--- a/elections/templates/elections/results/rank.html
+++ b/elections/templates/elections/results/rank.html
@@ -32,7 +32,7 @@
             </th>
 
             {% for cell in line %}
-            <td class="has-text-centered has-tooltip-primary" {% if cell %}data-tooltip="{% blocktrans with winner=forloop.counter %}L'option {{ winner }} gagne le duel contre l'option {{ loser }} par {{ cell }} voix {% endblocktrans %}{% endif %}">{{ cell }}</td>
+            <td class="has-text-centered has-tooltip-primary" {% if cell %}data-tooltip="{% blocktrans with winner=forloop.counter %}L'option {{ winner }} est préférée à l'option {{ loser }} par {{ cell }} personnes.{% endblocktrans %}{% endif %}">{{ cell }}</td>
             {% endfor %}
           </tr>
           {% endwith %}
diff --git a/elections/utils.py b/elections/utils.py
index f8ed5db..5b0ec03 100644
--- a/elections/utils.py
+++ b/elections/utils.py
@@ -99,13 +99,8 @@ class TallyFunctions:
         """On dépouille un vote par classement et on crée la matrice des duels"""
         from .models import Duel, Option, Rank
 
-        def duel(a, b):
-            # Renvoie 1 si a est classé avant b, -1 si c'est l'inverse et
-            # 0 si a et b ont le même rang, ce qui permet d'avoir directement
-            # le graphe des duels en faisant le max avec la matrice nulle
-            return (a.rank < b.rank) - (a.rank > b.rank)
-
         options = list(question.options.all())
+        nb_options = len(options)
         ranks = Rank.objects.select_related("vote").filter(vote__option__in=options)
         ranks_by_user = {}
 
@@ -121,12 +116,19 @@ class TallyFunctions:
         # Pour chaque votant·e, on regarde son classement
         for user in ranks_by_user:
             votes = ranks_by_user[user]
-            ballots.append(np.array([[duel(x, y) for x in votes] for y in votes]))
+            ballot = np.zeros((nb_options, nb_options))
+
+            for i in range(nb_options):
+                for j in range(i):
+                    ballot[i, j] = int(votes[i].rank < votes[j].rank)
+                    ballot[j, i] = int(votes[j].rank < votes[i].rank)
+
+            ballots.append(ballot)
 
         if ballots != []:
             # On additionne les classements de tout le monde pour avoir la matrice
             # des duels
-            duels = np.maximum(sum(ballots), 0)
+            duels = sum(ballots)
 
             # Configuration du graphe
             graph = nx.DiGraph()
@@ -136,21 +138,25 @@ class TallyFunctions:
             cells = []
 
             # On enregistre la matrice
-            for i, line in enumerate(duels):
-                for j, cell in enumerate(line):
-                    if cell > 0:
-                        graph.add_edge(options[j], options[i], weight=cell)
+            for i in range(nb_options):
+                for j in range(nb_options):
+                    if duels[i, j] > duels[j, i]:
+                        graph.add_edge(
+                            options[i], options[j], weight=(duels[i, j] - duels[j, i])
+                        )
+
+                    if duels[i, j] > 0:
                         cells.append(
                             Duel(
                                 question=question,
-                                winner=options[j],
-                                loser=options[i],
-                                amount=cell,
+                                winner=options[i],
+                                loser=options[j],
+                                amount=duels[i, j],
                             )
                         )
             Duel.objects.bulk_create(cells)
 
-            # On utilise la méthode de schwartz pour trouver les options gagnantes
+            # On utilise la méthode de Schwartz pour trouver les options gagnantes
             while graph.edges():
                 losers = set()  # Les options qui se font battre strictement
                 for n in graph.nodes():