diff --git a/module3/exo2/exercice_fr.Rmd b/module3/exo2/exercice_fr.Rmd
index 7eece5e296bb586e88166aa8a263ca75b44c2b9e..d4fef812c48825651701896d51b7ade0ea0f33fc 100644
--- a/module3/exo2/exercice_fr.Rmd
+++ b/module3/exo2/exercice_fr.Rmd
@@ -1,33 +1,71 @@
 ---
-title: "Votre titre"
-author: "Votre nom"
-date: "La date du jour"
-output: html_document
+title: "Analyse de l'incidence de la varicelle"
+author: "Thinhinane HAMITOUCHE"
+date: "29/09/2025"
+output: https://www.sentiweb.fr/datasets/all/inc-25-RDD.csv
 ---
 
 
-```{r setup, include=FALSE}
-knitr::opts_chunk$set(echo = TRUE)
-```
+# Charger les librairies
+library(parsedate)
 
-## Quelques explications
+# URL du CSV varicelle
+data_url <- "https://www.sentiweb.fr/datasets/all/inc-25-RDD.csv"
 
-Ceci est un document R markdown que vous pouvez aisément exporter au format HTML, PDF, et MS Word. Pour plus de détails sur R Markdown consultez <http://rmarkdown.rstudio.com>.
+# Télécharger si le fichier local n'existe pas
+if (!file.exists("module3/exo2/varicelle.csv")) {
+  download.file(data_url, destfile="module3/exo2/varicelle.csv", mode="wb")
+}
 
-Lorsque vous cliquerez sur le bouton **Knit** ce document sera compilé afin de ré-exécuter le code R et d'inclure les résultats dans un document final. Comme nous vous l'avons montré dans la vidéo, on inclue du code R de la façon suivante:
+# Lire les données
+data <- read.csv("module3/exo2/varicelle.csv", skip=1, na.strings=c("-"))
+head(data)
+tail(data)
 
-```{r cars}
-summary(cars)
-```
+# Vérifier les valeurs manquantes
+na_records <- apply(data, 1, function(x) any(is.na(x)))
+data[na_records,]
 
-Et on peut aussi aisément inclure des figures. Par exemple:
+# Conversion des semaines en date
+convert_week <- function(w) {
+  ws <- paste(w)
+  iso <- paste0(substring(ws,1,4), "-W", substring(ws,5,6))
+  as.character(parse_iso_8601(iso))
+}
+data$date <- as.Date(convert_week(data$week))
+data <- data[order(data$date),]
 
-```{r pressure, echo=FALSE}
-plot(pressure)
-```
+# Vérifier l’espacement des semaines
+all(diff(data$date) == 7)
 
-Vous remarquerez le paramètre `echo = FALSE` qui indique que le code ne doit pas apparaître dans la version finale du document. Nous vous recommandons dans le cadre de ce MOOC de ne pas utiliser ce paramètre car l'objectif est que vos analyses de données soient parfaitement transparentes pour être reproductibles. 
+# Affichage initial
+plot(data$date, data$inc, type="l", xlab="Date", ylab="Incidence hebdomadaire")
+with(tail(data,200), plot(date, inc, type="l", xlab="Date", ylab="Incidence hebdomadaire"))
 
-Comme les résultats ne sont pas stockés dans les fichiers Rmd, pour faciliter la relecture de vos analyses par d'autres personnes, vous aurez donc intérêt à générer un HTML ou un PDF et à le commiter.
+# Calcul de l’incidence annuelle avec début 1er septembre
+pic_annuel <- function(annee) {
+  debut <- paste0(annee-1,"-09-01")
+  fin   <- paste0(annee,"-09-01")
+  semaines <- data$date > debut & data$date <= fin
+  sum(data$inc[semaines], na.rm=TRUE)
+}
+
+# Appliquer à toutes les années
+annees <- 1986:2018
+inc_annuelle <- data.frame(
+  annee = annees,
+  incidence = sapply(annees, pic_annuel)
+)
+
+# Affichage
+head(inc_annuelle)
+plot(inc_annuelle$annee, inc_annuelle$incidence, type="p", xlab="Année", ylab="Incidence annuelle")
+hist(inc_annuelle$incidence, breaks=10, xlab="Incidence annuelle", ylab="Nb d'observations", main="")
+
+# Identifier l’année avec épidémie la plus forte et la plus faible
+annee_forte <- inc_annuelle$annee[which.max(inc_annuelle$incidence)]
+annee_faible <- inc_annuelle$annee[which.min(inc_annuelle$incidence)]
+
+cat("Année avec l'épidémie la plus forte :", annee_forte, "\n")
+cat("Année avec l'épidémie la plus faible :", annee_faible, "\n")
 
-Maintenant, à vous de jouer! Vous pouvez effacer toutes ces informations et les remplacer par votre document computationnel.