diff --git a/module2/exo1/toy_notebook_fr.ipynb b/module2/exo1/toy_notebook_fr.ipynb
index 1921183c59380bce16d5e1f5c3892ef71e8df661..8f0085538de8b41c57ceead0db1fd8f567b6fab3 100644
--- a/module2/exo1/toy_notebook_fr.ipynb
+++ b/module2/exo1/toy_notebook_fr.ipynb
@@ -4,9 +4,14 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "# A propos du calcul de $\\pi$\n",
+    "# A propos du calcul de $\\pi$"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
     "## En demandant à la lib maths\n",
-    "\n",
     "Mon ordinateur m’indique que $\\pi$ vaut *approximativement*"
    ]
   },
@@ -67,9 +72,7 @@
    "metadata": {},
    "source": [
     "## Avec un argument \"fréquentiel\" de surface\n",
-    "\n",
-    "Sinon, une méthode plus simple à comprendre et ne faisant pas intervenir d’appel à la fonction\n",
-    "sinus se base sur le fait que si $X \\sim U(0, 1)$ et $Y \\sim U(0, 1)$ alors $P[X^2+ Y^2 \\le 1] = \\pi/4$ (voir [méthode de Monte Carlo sur Wikipedia](https://fr.wikipedia.org/wiki/M%C3%A9thode_de_Monte-Carlo#D%C3%A9termination_de_la_valeur_de_%CF%80)). Le code suivant illustre ce fait :\n"
+    "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 $P[X^2+ Y^2 \\le 1] = \\pi/4$ (voir [méthode de Monte Carlo sur Wikipedia](https://fr.wikipedia.org/wiki/M%C3%A9thode_de_Monte-Carlo#D%C3%A9termination_de_la_valeur_de_%CF%80)). Le code suivant illustre ce fait :\n"
    ]
   },
   {
@@ -93,12 +96,15 @@
    "source": [
     "%matplotlib inline\n",
     "import matplotlib.pyplot as plt\n",
+    "\n",
     "np.random.seed(seed=42)\n",
     "N = 1000\n",
     "x = np.random.uniform(size=N, low=0, high=1)\n",
     "y = np.random.uniform(size=N, low=0, high=1)\n",
+    "\n",
     "accept = (x*x+y*y) <= 1\n",
     "reject = np.logical_not(accept)\n",
+    "\n",
     "fig, ax = plt.subplots(1)\n",
     "ax.scatter(x[accept], y[accept], c='b', alpha=0.2, edgecolor=None)\n",
     "ax.scatter(x[reject], y[reject], c='r', alpha=0.2, edgecolor=None)\n",
@@ -131,13 +137,6 @@
    "source": [
     "4*np.mean(accept)"
    ]
-  },
-  {
-   "cell_type": "code",
-   "execution_count": null,
-   "metadata": {},
-   "outputs": [],
-   "source": []
   }
  ],
  "metadata": {