diff --git a/module2/exo4/exercice_fr.Rmd b/module2/exo4/exercice_fr.Rmd
index e7edadabdd1dde49ed924e6c6cb787765296ed7c..603f08daa8e50acd6f285e09c7bdda745af9d8c2 100644
--- a/module2/exo4/exercice_fr.Rmd
+++ b/module2/exo4/exercice_fr.Rmd
@@ -15,9 +15,54 @@ knitr::opts_chunk$set(echo = TRUE)
 Le jeu de données que j'ai choisi d'étudier est une étude du développement d'une maladie de la vigne - **l'oïdium** - à l'occasion d'un essai de différentes protection oïdium bio. 
 C'est un essai bloc, il y a 6 modalités (1 témoin non traité et 5 statégies de protection différentes. 
 Les variables mesurées sont la fréquence de symptômes sur feuilles, la fréquence de symptômes sur grappes, 
-
-```
+```{r}
 data<-read.csv(file.choose(), header = TRUE, sep = ";", dec = ",")
 summary(data)
+```
+Visualisons les résultats moyens de chaque modalité. 
+```{r}
+moyenne_freq_f=c(sum(data$freq_f[1:4])/4, sum(data$freq_f[5:8])/4,sum(data$freq_f[9:12])/4,sum(data$freq_f[13:16])/4,sum(data$freq_f[17:20])/4,sum(data$freq_f[21:24])/4)
+moyenne_freq_f
+plot(moyenne_freq_f, type="h", col="green",xlab="Modalités", ylab="Fréquence d'oïdium sur feuilles")
+
+moyenne_int_f=c(sum(data$int_f[1:4])/4, sum(data$int_f[5:8])/4,sum(data$int_f[9:12])/4,sum(data$int_f[13:16])/4,sum(data$int_f[17:20])/4,sum(data$int_f[21:24])/4)
+moyenne_int_f
+plot(moyenne_int_f, type="h", col="green",xlab="Modalités", ylab="Intensité d'oïdium sur feuilles")
+```
+ La modalité 1 qui est le témoin non traité est très touché par la maladie, mais les autres modalités le sont peu. 
+ 
+ Voyons sur les grappes.
+```{r}
+moyenne_freq_g=c(sum(data$freq_g[1:4])/4, sum(data$freq_g[5:8])/4,sum(data$freq_g[9:12])/4,sum(data$freq_g[13:16])/4,sum(data$freq_g[17:20])/4,sum(data$freq_g[21:24])/4)
+plot(moyenne_freq_g, type="h", col="red",xlab="Modalités", ylab="Fréquence d'oïdium sur grappes" )
 
+moyenne_int_g=c(sum(data$int_g[1:4])/4, sum(data$int_g[5:8])/4,sum(data$int_g[9:12])/4,sum(data$int_g[13:16])/4,sum(data$int_g[17:20])/4,sum(data$int_g[21:24])/4)
+plot(moyenne_int_g, type="h", col="red",xlab="Modalités", ylab="Intensité d'oïdium sur grappes" )
 ```
+Les grappes du témoin sont aussi beaucoup plus touchées, comme on pouvait s'y attendre. 
+ 
+Ces données ne vérifient pas les hypothèses permettant de faire une ANOVA, même après une transformation angulaire. (je l'ai regardé cela avec Expé-R et trouver comment coder tous ça dans R me prendrai longtemps donc je préfère ne pas le faire ici... :) j'apprendrai tout ça plus tard) 
+Donc je me suis rabattue sur un test non-paramétrique:
+```{r}
+kruskal.test(freq_f ~ moda , data = data)
+pairwise.wilcox.test(data$freq_f, data$moda,p.adjust.method = "none")
+
+kruskal.test(freq_g ~ moda , data = data)
+pairwise.wilcox.test(data$freq_g, data$moda,p.adjust.method = "none")
+
+kruskal.test(int_f ~ moda , data = data)
+pairwise.wilcox.test(data$int_f, data$moda,p.adjust.method = "none")
+
+kruskal.test(int_g ~ moda , data = data)
+pairwise.wilcox.test(data$int_g, data$moda,p.adjust.method = "none")
+
+
+```
+Globalement, **les modalités traitées obtiennent des résultats significativement meilleurs que le témoin non traité. Les modalités traitées ne se distinguent pas franchement entre elles.** La modalité 4 et 6 présentent plus de feuilles touchées que la modalité 3. La modalité 6 présente une intensité sur grappe de la maladie plus forte que les modalités 3 et 5. 
+
+Merci d'avoir lu ! 
+Je ne préfère pas détailler quel produit et entreprise sont derrière cette essai. Mais il est possible que les conditions climatiques de l'année n'ont pas suffisamment mis à l'épreuve les différentes produits testés pour voir des différences intéressantes. 
+
+Je regrette de ne pas avoir pu faire d'Anova. Je n'ai pas su non plus prendre en compte les blocs dans le test non-paramétrique, et je pense que dans le test Wilcoxon, une méthode d'ajustement serait nécessaire pour avoir des résultats plus justes...A Améliorer!
+
+