diff --git a/module2/exo1/toy_document_fr.Rmd b/module2/exo1/toy_document_fr.Rmd
index 5b6ef6c5f5e31826e97807181c68d812c0b4031f..3b2fa4d98bc43ec2dc92e29a2a5718da98290cf9 100644
--- a/module2/exo1/toy_document_fr.Rmd
+++ b/module2/exo1/toy_document_fr.Rmd
@@ -28,20 +28,19 @@ theta = pi/2*runif(N)
 ```
 
 ## Avec un argument "fréquentiel" de surface
-Sinon, une méthode plus simple à comprendre et ne faisant pas 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 $P[X^2+Y^2\leq 1] = \pi/4$ (voir [méthode de Monte Carlo sur Wikipedia]
-(https://fr.wikipedia.org/wiki/M%C3%A9thode_de_Monte-Carlo#D%C3%A9termination_de_la_valeur_de_%CF%80)). 
+Sinon, une méthode plus simple à comprendre et ne faisant pas 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 $P[X^2+Y^2\leq 1] = \pi/4$ (voir [méthode de Monte Carlo sur Wikipedia] (https://fr.wikipedia.org/wiki/M%C3%A9thode_de_Monte-Carlo#D%C3%A9termination_de_la_valeur_de_%CF%80)). 
 Le code suivant illustre ce fait :
 
 ```{r}
-set.seed(42) 
-N = 1000 
-df = data.frame(X = runif(N), Y = runif(N))df$Accept = (df$X**2 + df$Y**2 <=1)	
-library(ggplot2)ggplot(df, aes(x=X,y=Y,color=Accept)) + geom_point(alpha=.2) + coord_fixed() + theme_bw()	
+set.seed(42)
+N = 1000
+df = data.frame(X = runif(N), Y = runif(N))df$Accept = (df$X**2 + df$Y**2 <=1)
+library(ggplot2)ggplot(df, aes(x=X,y=Y,color=Accept)) + geom_point(alpha=.2) + coord_fixed() + theme_bw()
 ```	
 
 Il est alors aisé d'obtenir une approximation (pas terrible) de $\pi$ 
 en comptant combien de fois, en moyenne, $X^2 + Y^2$ est inférieur à 1:
 
-```{r} 
-4*mean(df$Accept)	
+```{r}
+4*mean(df$Accept)
 ```
\ No newline at end of file