diff --git a/knn/pokemons_knn.py b/knn/pokemons_knn.py
new file mode 100644
index 0000000..373e4d3
--- /dev/null
+++ b/knn/pokemons_knn.py
@@ -0,0 +1,38 @@
+import pandas as pd
+
+# Chargement des données
+pokemons = pd.read_csv('pokemons.csv')
+
+# Afficher les premières lignes pour vérification
+print(pokemons.head())
+
+
+import matplotlib.pyplot as plt
+
+# Filtrons les données pour n'avoir que les Pokémon de type Eau
+eau_pokemons = pokemons.dropna(subset=['Pokemons de type Eau'])
+
+# Création du graphe
+plt.scatter(eau_pokemons['points de vie'], eau_pokemons['Pokemons de type Eau'])
+plt.title('Points de vie vs Attribut Eau des Pokémon')
+plt.xlabel('Points de vie')
+plt.ylabel('Attribut Eau')
+plt.show()
+
+
+import numpy as np
+
+# Ajoutons un Pokémon "mystère"
+pokemon_mystere = [70, 65]
+
+def calculer_distance(pokemon1, pokemon2):
+    return np.sqrt(np.sum(np.square(np.array(pokemon1) - np.array(pokemon2))))
+
+# Calculons la distance de chaque Pokémon de type Eau au Pokémon "mystère"
+distances = eau_pokemons.apply(lambda row: calculer_distance([row['points de vie'], row['Pokemons de type Eau']], pokemon_mystere), axis=1)
+
+# Ajoutons ces distances au DataFrame
+eau_pokemons['Distance au mystère'] = distances
+
+# Affichons les Pokémon triés par leur distance au mystère
+print(eau_pokemons.sort_values(by='Distance au mystère').head())