diff --git a/module2/exo1/toy_document_orgmode_R_fr.org b/module2/exo1/toy_document_orgmode_R_fr.org
index 75845eb37ae449f67e7182088daa3fa51dbf207b..82cc05fdc3d1892a7794a97bcecdd4615a07413b 100644
--- a/module2/exo1/toy_document_orgmode_R_fr.org
+++ b/module2/exo1/toy_document_orgmode_R_fr.org
@@ -11,7 +11,7 @@
 
 * En demandant à la lib maths
 
-Mon ordinateur m'indique que $\pi$ vaut /approximativement/ 
+Mon ordinateur m'indique que $\pi$ vaut /approximativement/ :
 #+begin_src R :results output :session *R* :exports both
 pi
 #+end_src
diff --git a/module2/exo1/toy_document_orgmode_python_fr.org b/module2/exo1/toy_document_orgmode_python_fr.org
index 69757e935602d26cf372c6b3f3f4c0f3eb6639a1..8bc916215eff97db2157703af5abab91e25e42f3 100644
--- a/module2/exo1/toy_document_orgmode_python_fr.org
+++ b/module2/exo1/toy_document_orgmode_python_fr.org
@@ -11,20 +11,21 @@
 
 * En demandant à la lib maths
 
-Mon ordinateur m'indique que $\pi$ vaut /approximativement/ 
-#+begin_src python :results output :session :exports both
+Mon ordinateur m'indique que $\pi$ vaut /approximativement/ :
+#+begin_src python :results value :session :exports both
 from math import *
 pi
 #+end_src
 
 #+RESULTS:
+: 3.141592653589793
 
 * En utilisant la méthode des aiguilles de Buffon
 
 Mais calculé avec la *méthode* des [[https://fr.wikipedia.org/wiki/Aiguille_de_Buffon][aiguilles de Buffon]], on obtiendrait
 comme *approximation* :
 
-#+begin_src python :results output :session :exports both
+#+begin_src python :results value :session :exports both
 import numpy as np
 np.random.seed(seed=42)
 N = 10000
@@ -34,6 +35,7 @@ theta = np.random.uniform(size=N, low=0, high=pi/2)
 #+end_src
 
 #+RESULTS:
+: 3.128911138923655
 
 * Avec un argument "fréquentiel" de surface
 
@@ -42,7 +44,7 @@ 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 $P[X² + Y² \le 1] = \pi/4$ (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 Wikipédia]]). Le code suivant illustre ce fait :
 
-#+begin_src python :results file :session :var matplot_lib_filename="figure_exo1_python.png" :exports both
+#+begin_src python :results output file :session :var matplot_lib_filename="figure_exo1_python.png" :exports both
 import matplotlib.pyplot as plt
 
 np.random.seed(seed=42)
@@ -63,12 +65,12 @@ print(matplot_lib_filename)
 #+end_src
 
 #+RESULTS:
-[[file:<matplotlib.collections.PathCollection object at 0x7f2b89fc2850>]]
+[[file:figure_exo1_python.png]]
 
 Il est alors aisé d'obtenir une approximation (pas terrible) de \pi en
 comptant combien de fois, en moyenne, $X² + Y²$ est inférieur à 1 :
 
-#+begin_src python :results output :session :exports both
+#+begin_src python :results value :session :exports both
 4*np.mean(accept)
 #+end_src