diff --git a/models.py b/models.py
index 8986298..11f8f72 100644
--- a/models.py
+++ b/models.py
@@ -410,6 +410,7 @@ class ClassGroup(db.Model):
                     'assessments_count': 0,
                     'students_count': len(self.students),
                     'class_averages': [],
+                    'student_averages': [],
                     'overall_statistics': {
                         'count': 0,
                         'mean': 0,
@@ -418,7 +419,8 @@ class ClassGroup(db.Model):
                         'max': 0,
                         'std_dev': 0
                     },
-                    'distribution': []
+                    'distribution': [],
+                    'student_averages_distribution': []
                 }
             
             # Calculer les moyennes par évaluation et par élève
@@ -468,7 +470,7 @@ class ClassGroup(db.Model):
                     avg = statistics.mean(scores)
                     student_final_averages.append(round(avg, 2))
             
-            # Statistiques globales sur toutes les notes du trimestre
+            # Statistiques globales basées sur les moyennes des élèves (cohérent avec l'histogramme)
             overall_stats = {
                 'count': 0,
                 'mean': 0,
@@ -481,41 +483,21 @@ class ClassGroup(db.Model):
             distribution = []
             student_averages_distribution = []
             
-            if all_individual_scores:
+            # Utiliser les moyennes des élèves pour les statistiques (cohérent avec l'histogramme)
+            if student_final_averages:
                 import statistics
                 import math
                 
                 overall_stats = {
-                    'count': len(all_individual_scores),
-                    'mean': round(statistics.mean(all_individual_scores), 2),
-                    'median': round(statistics.median(all_individual_scores), 2),
-                    'min': round(min(all_individual_scores), 2),
-                    'max': round(max(all_individual_scores), 2),
-                    'std_dev': round(statistics.stdev(all_individual_scores) if len(all_individual_scores) > 1 else 0, 2)
+                    'count': len(student_final_averages),
+                    'mean': round(statistics.mean(student_final_averages), 2),
+                    'median': round(statistics.median(student_final_averages), 2),
+                    'min': round(min(student_final_averages), 2),
+                    'max': round(max(student_final_averages), 2),
+                    'std_dev': round(statistics.stdev(student_final_averages) if len(student_final_averages) > 1 else 0, 2)
                 }
-                
-                # Créer l'histogramme de distribution (bins de 1 point sur 20)
-                bins = list(range(0, 22))  # 0-1, 1-2, ..., 19-20, 20+
-                bin_counts = [0] * (len(bins) - 1)
-                
-                for score in all_individual_scores:
-                    # Trouver le bon bin
-                    bin_index = min(int(score), len(bin_counts) - 1)
-                    bin_counts[bin_index] += 1
-                
-                # Formatage pour Chart.js
-                for i in range(len(bin_counts)):
-                    if i == len(bin_counts) - 1:
-                        label = f"{bins[i]}+"
-                    else:
-                        label = f"{bins[i]}-{bins[i+1]}"
-                    
-                    distribution.append({
-                        'range': label,
-                        'count': bin_counts[i]
-                    })
             
-            # Créer l'histogramme des moyennes des élèves
+            # Créer l'histogramme des moyennes des élèves (distribution principale)
             if student_final_averages:
                 # Bins pour les moyennes des élèves (de 0 à 20)
                 avg_bins = list(range(0, 22))
@@ -533,10 +515,13 @@ class ClassGroup(db.Model):
                     else:
                         label = f"{avg_bins[i]}-{avg_bins[i+1]}"
                     
-                    student_averages_distribution.append({
+                    bin_data = {
                         'range': label,
                         'count': avg_bin_counts[i]
-                    })
+                    }
+                    student_averages_distribution.append(bin_data)
+                    # Maintenir la compatibilité avec distribution (même données maintenant)
+                    distribution.append(bin_data.copy())
             
             return {
                 'trimester': trimester,