diff --git a/module2/exo1/toy_document_orgmode_python_fr.org b/module2/exo1/toy_document_orgmode_python_fr.org
index b32a69d89ec81484577056babae5e601a87db07a..af8b3eb53506940ecb367913152ea90b441334b7 100644
--- a/module2/exo1/toy_document_orgmode_python_fr.org
+++ b/module2/exo1/toy_document_orgmode_python_fr.org
@@ -13,13 +13,14 @@
 
 * En demandant à la lib maths
 
-Mon ordinateur m'indique que \pi vaut approximativement: 
+Mon ordinateur m'indique que $\pi$ vaut approximativement: 
 
 #+begin_src python :results output :session :exports both
 from math import *
 pi
 #+end_src
 
+#+RESULTS:
 
 * En utilisant la méthode des aiguilles de Buffon
 
@@ -34,10 +35,11 @@ theta = np.random.uniform(size=N, low=0, high=pi/2)
 2/(sum((x+np.sin(theta))>1)/N)
 #+end_src
 
+#+RESULTS:
 
 * Avec un argument "fréquentiel" de surface
 
-Sinon, une méthode plus simple à comprendre et ne faisant pas intervenir d'appel à la fonction sinus se base sur le fait que si X ∼ U(0,1) et Y ∼ U(0,1) alors P[X^2+Y^2 ≤1]=\pi/4 (voir [[https://fr.wikipedia.org/wiki/M%C3%A9thode_de_Monte-Carlo#D%C3%A9termination_de_la_valeur_de_%CF%80][méthode de Monte Carlo sur Wikipedia]]). Le code suivant illustre ce fait : 
+Sinon, une méthode plus simple à comprendre et ne faisant pas intervenir d'appel à la fonction sinus se base sur le fait que si $X \sim U(0,1)$ et $Y \sim U(0,1)$ alors $P[X^2+Y^2 ≤1]=\pi/4$ (voir [[https://fr.wikipedia.org/wiki/M%C3%A9thode_de_Monte-Carlo#D%C3%A9termination_de_la_valeur_de_%CF%80][méthode de Monte Carlo sur Wikipedia]]). Le code suivant illustre ce fait : 
 
 #+begin_src python :results output file :session :var matplot_lib_filename="./random_uniform_pi.png" :exports results
 import matplotlib.pyplot as plt