diff --git a/Journale de bord b/Journale de bord
index ad9210040a7b91d144a204257a7107a139633f6a..04a185f21bfc644d903f9dc460b8280dd0fcf7ae 100644
--- a/Journale de bord	
+++ b/Journale de bord	
@@ -87,8 +87,29 @@ plt.show()
 1-Quelles caractéristiques de l’arithmétique à virgule flottante rendent la reproductibilité difficile ? (a,c)
 2- Quelles précautions augmentent la reproductibilité des nombres pseudo-aléatoires ? (b,c)
 
+
+
 #Reproduire le Sujet 7 : Autour du SARS-CoV-2 (Covid-19)
 
 Le but de ce sujet est  de reproduire des graphes semblables à ceux du South China Morning Post (SCMP).
+## On va tracé l’évolution du nombre de cas cumulé au cours du temps:
+
+1-A l'adress:  https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/csse_covid_19_time_series/
+time_series_covid19_confirmed_global.csv;
+on va ramené les données du nombre de cas cumulé au cours du temps sous format csv.
+2-A l'aide la bibliothèque matplotlib de python on va tracé le nombre de cas dans certains pays du fichier csv: france,iran,chine,belgique ,allmend
+uk.
+3-Comme on peux le constaté dans la figure, la courbe de provence de chine n'est pas assez évolué, vue le petit nombre de cas dans ce pays par rapport
+au autre. Solution!: tracé la courbe à l'échelle logarithmique avec la commande: plt.yscale('log').
+
+##Nombre du nombre des décès au cours du temps:
+
+1-Pour les cas de décès, on va les chercher dans le site: (timeseriescovid19deathsglobal.csv).
+2-Meme astuce que pour les cas cumulé, on va tracé leurs évolution.
+
+##Nombre de lits en abscisse et le nombre de décès en ordonnée:
+
+1-Pour trouvé le nombre des lits par pays, on choisi le site OCDE .
+2-Meme astuce que précedent, en trace le nombre de lits en fonction du nombre de décès.