diff --git a/module3/exo3/exercice_fr.Rmd b/module3/exo3/exercice_fr.Rmd
index 1e34b0629b71ff159d25ac80e4098576a23afd13..7eb18ed8856ba727d2c2ba689ca7193736fa6778 100644
--- a/module3/exo3/exercice_fr.Rmd
+++ b/module3/exo3/exercice_fr.Rmd
@@ -10,7 +10,7 @@ knitr::opts_chunk$set(echo = FALSE)
 knitr::opts_chunk$set(fig.height=6, fig.width=14)
 ```
 
-```{r echo=FALSE, warning=FALSE, message=FALSE}
+```{r echo=TRUE, warning=FALSE, message=FALSE}
 # LIBRAIRIES ----
 library(janitor)
 library(tidyverse)
@@ -25,14 +25,14 @@ rm(list=ls())
 
 Les données que nous utiliserons dans un premier temps sont compilées par le Johns Hopkins University Center for Systems Science and Engineering (JHU CSSE) et sont mises à disposition sur GitHub. C'est plus particulièrement sur les données time_series_covid19_confirmed_global.csv (des suites chronologiques au format csv) disponibles à l'adresse : https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/csse_covid_19_time_series/time_series_covid19_confirmed_global.csv, que nous allons nous concentrer.
 
-```{r echo=FALSE}
+```{r echo=TRUE}
 url  <- "https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/csse_covid_19_time_series/time_series_covid19_confirmed_global.csv"
 data <- read.csv(url)
 ```
 
 On vérifie si il y a des NA
 
-```{r echo=FALSE}
+```{r echo=TRUE}
 #Vérification des NA
 data %>%
   mutate(nb = rowSums(is.na(.))) %>%
@@ -46,7 +46,7 @@ Deux valeurs NA sont présentes sur 2 lignes : "Canada / Repatried Travellers" e
 
 Nous choisissons de travailler sur les données des pays suivants : la Belgique (Belgium), la Chine - toutes les provinces sauf Hong-Kong (China), Hong Kong (China, Hong-Kong), la France métropolitaine (France), l’Allemagne (Germany), l’Iran (Iran), l’Italie (Italy), le Japon (Japan), la Corée du Sud (Korea, South), la Hollande sans les colonies (Netherlands), le Portugal (Portugal), l’Espagne (Spain), le Royaume-Uni sans les colonies (United Kingdom), les États-Unis (US).
 
-```{r echo=FALSE}
+```{r echo=TRUE}
 selectPaysProvince <- function(pays,province){
     data %>%
     filter(Country.Region==pays,Province.State==province) %>%
@@ -87,7 +87,7 @@ data_fin <- data_fin %>%
 
 Graphe 1 : Cumul (échelle linéaire)
 
-```{r echo=FALSE}
+```{r echo=TRUE}
 ggplot(data_fin, aes(x=date, y=count, group=Country.Region, colour=Country.Region))+
 geom_line()+
 scale_color_manual(values = c(carto_pal(n = 12, name = "Bold")))+
@@ -103,7 +103,7 @@ theme_classic()
 
 Graphe 2 : Cumul (échelle logarithmique)
 
-```{r echo=FALSE, warning=FALSE}
+```{r echo=TRUE, warning=FALSE}
 ggplot(data_fin, aes(x=date, y=count, group=Country.Region, colour=Country.Region))+
   geom_line()+
   scale_color_manual(values = c(carto_pal(n = 12, name = "Bold")))+