diff --git a/module2/exo1/toy_document_fr.Rmd b/module2/exo1/toy_document_fr.Rmd
index 8d28860f00a230ba3883cc2d4b975ff5d6b0dc3d..c95e0f35ad1403b650d43091f2ebdead7c3936fa 100644
--- a/module2/exo1/toy_document_fr.Rmd
+++ b/module2/exo1/toy_document_fr.Rmd
@@ -17,7 +17,7 @@ pi
 ```
 
 ## En utilisant la méthode des aiguilles de Buffon
-Mais calculé avec la __méthode__ des [aiguilles de Buffon] (https://fr.wikipedia.org/wiki/Aiguille_de_Buffon), on obtiendrait comme __approximation__ :
+Mais calculé avec la __méthode__ des [aiguilles de Buffon](https://fr.wikipedia.org/wiki/Aiguille_de_Buffon), on obtiendrait comme __approximation__ :
 
 ```{r}
 set.seed(42)
@@ -32,14 +32,14 @@ Sinon, une méthode plus simple à comprendre et ne faisant pas intervenir d'app
 
 ```{r}
 set.seed(42)
-N = 1000	
-df = data.frame(X = runif(N), Y = runif(N))	
-df$Accept = (df$X**2 + df$Y**2 <=1)	
-library(ggplot2)	
-ggplot(df, aes(x=X,y=Y,color=Accept)) + geom_point(alpha=.2) + coord_fixed() + theme_bw()	
-```	
-Il est alors aisé d'obtenir une approximation (pas terrible) de $\pi$ en comptant combien de fois, en moyenne, $X^2 + Y^2$ est inférieur à 1 :	
-```{r}	
-4*mean(df$Accept)	
+N = 1000
+df = data.frame(X = runif(N), Y = runif(N))
+df$Accept = (df$X**2 + df$Y**2 <=1)
+library(ggplot2)
+ggplot(df, aes(x=X,y=Y,color=Accept)) + geom_point(alpha=.2) + coord_fixed() + theme_bw()
+```
+Il est alors aisé d'obtenir une approximation (pas terrible) de $\pi$ en comptant combien de fois, en moyenne, $X^2 + Y^2$ est inférieur à 1 :
+```{r}
+4*mean(df$Accept)
 ```