diff --git a/journal/Notes_on_module_2.md b/journal/Notes_on_module_2.md
index 201cd5802f76f6d91ae853b838c654507415d24e..45784e6d510e1acecdeab3d1da5e13724dda52c6 100644
--- a/journal/Notes_on_module_2.md
+++ b/journal/Notes_on_module_2.md
@@ -28,3 +28,53 @@ Signes d'activité cérébrale chez le poisson mort -> met le doigt sur des prob
 Ces problèmes sont présents dans tous les domaines scientifiques. 
 La rigueur et la transparence sont alors de mise. 
 
+## Pourquoi est-ce difficile 
+
+Difficultés rencontrées lors des tentatives de reproduction d'expériences
+
+- manque d'informations : 
+    - données et sources, 
+    - choix effectués (hypothèses sous-jacentes à l'analyse, etc.) . Choix non expliqués = choix suspicieux 
+- ordinateur : source d'erreur 
+    - point and click
+    - les tableurs : erreurs de programmation et de manipulation de données
+    - pile logicielle complexe et mal maîtrisées (logiciels propriétaires qui fonctionnent comme des boîtes noires)
+
+Problème : programmer, c'est dur ; mais il faut vérifier que chacune des briques de l'analyse est valable
+
+- manque de rigueur et d'organisation 
+    - pas de backup
+    - pas d'historique (manque de gestion de versions)
+
+Dimension culturelle et sociale : 
+- article = version **simplifiée** de la procédure
+- tracer et rendre dispo les informations : exige du temps 
+
+Tout rendre public ? 
+- les faiblesses deviendraient évidentes -> c'est normal, tout travail a ses faiblesses
+- quelqu'un peut trouver une erreur -> oui, mais il faut que les erreurs soient connues
+- quelqu'un pourrait en tirer avantage -> importance d'un article méthodologique 
+
+(Github : entre la plateforme de développement et le réseau social ; mettre ses travaux à disposition montre la propriété intellectuelle)
+
+- les données peuvent être sensibles (ex : infos sur le vote, etc) -> se poser des questions éthiques, vérifier l'accessibilité des données
+
+**Outils à éviter et alternatives**
+- outils, formats et services propriétaires : 
+    - adopter le format texte
+    - logiciels et langages de programmation libres
+    - répliquer les données à plusieurs endroits, si possible issus d'alternatives libres
+- outils "intuitifs" : tableur, interfaces graphiques -> utiliser R ou Python
+
+*Expliciter augmente les chances de trouver les erreurs et de les éliminer* 
+
+Ressources complémentaires intéressantes : 
+[How computers broke science – and what we can do to fix it](https://theconversation.com/how-computers-broke-science-and-what-we-can-do-to-fix-it-49938)
+Recommandations issues de cet article : 
+- minimiser le point-and-click et utiliser des scripts
+- utiliser les formats non-propriétaires 
+- organiser systématiquement les fichiers (voir par exemple [ici](https://journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1000424) pour la biologie computationnelle)
+
+[Sur les boots camps destinés aux chercheurs - quelques indices de bonnes pratiques dans cet article](https://www.nature.com/news/boot-camps-teach-scientists-computing-skills-1.15799)
+[Les erreurs dans les spreadsheets en biologie](https://qz.com/768334/years-of-genomics-research-is-riddled-with-errors-thanks-to-a-bunch-of-botched-excel-spreadsheets/)
+