diff --git a/module2/exo1/toy_document_orgmode_python_fr.org b/module2/exo1/toy_document_orgmode_python_fr.org
index ddf00d7afe5d02940cf7184cdb3b853ccc4240b5..448fad8b34be888fd8b1dedf046f95ef88388df2 100644
--- a/module2/exo1/toy_document_orgmode_python_fr.org
+++ b/module2/exo1/toy_document_orgmode_python_fr.org
@@ -1,4 +1,4 @@
-#+TITLE:  Votre titre
+#+TITLE:  À propos du calcul de Pi
 #+AUTHOR: Votre nom
 #+DATE:   La date du jour
 #+LANGUAGE: fr
@@ -38,11 +38,10 @@ print(2/(sum((x+np.sin(theta))>1)/N))
 * 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[X2+Y2≤1]=π/4 (voir [[méthode de Monte
-Carlo sur
-Wikipédia][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 :
-#+begin_src python :results file :session :var matplot_lib_filename="figure.png" :exports both
+X∼U(0,1) et Y∼U(0,1) alors P[X2+Y2≤1]=π/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 Wikipédia]]). Le code suivant illustre ce fait :
+#+begin_src python :results file :session :var matplot_lib_filename="./figure.png" :exports both
 import matplotlib.pyplot as plt
 
 np.random.seed(seed=42)
@@ -61,8 +60,7 @@ ax.set_aspect('equal')
 plt.savefig(matplot_lib_filename)
 print(matplot_lib_filename)
 #+end_src
-
-#+RESULTS:
+[[./figure.png]]
 
 Il est alors aisé d'obtenir une approximation (pas terrible) de π en
 comptant combien de fois, en moyenne, X2+Y2 est inférieur à 1 :