diff --git a/module2/exo1/toy_notebook_fr.ipynb b/module2/exo1/toy_notebook_fr.ipynb
index 5dbbfeed4866e996b8d670f5ce0d96c0497037ce..e39223bafb6424a7e4b24f77c128f014dd56361e 100644
--- a/module2/exo1/toy_notebook_fr.ipynb
+++ b/module2/exo1/toy_notebook_fr.ipynb
@@ -6,7 +6,45 @@
    "metadata": {},
    "outputs": [],
    "source": [
-    " "
+    " # À propos du calcul de $\\pi$\n",
+    "    ## En demandant à la lib maths\n",
+    "Mon ordinateur m'indique que $\\pi$ vaut *approximativement*\n",
+    "\n",
+    "from math import *\n",
+    "print(pi)\n",
+    "\n",
+    "## En utilisant la méthode des aiguilles de Buffon\n",
+    "Mais calculé avec la __méthode__ des [aiguilles de Buffon](https://fr.wikipedia.org/wiki/Aiguille_de_Buffon), on obtiendrait comme __approximation__ :\n",
+    "\n",
+    "import numpy as np\n",
+    "np.random.seed(seed=42)\n",
+    "N = 10000\n",
+    "x = np.random.uniform(size=N, low=0, high=1)\n",
+    "theta = np.random.uniform(size=N, low=0, high=pi/2)\n",
+    "2/(sum((x+np.sin(theta))>1)/N)\n",
+    "\n",
+    "## Avec un argument \"fréquentiel\" de surface\n",
+    "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 :\n",
+    "\n",
+    "%matplotlib inline  \n",
+    "import matplotlib.pyplot as plt\n",
+    "\n",
+    "np.random.seed(seed=42)\n",
+    "N = 1000\n",
+    "x = np.random.uniform(size=N, low=0, high=1)\n",
+    "y = np.random.uniform(size=N, low=0, high=1)\n",
+    "\n",
+    "accept = (x*x+y*y) <= 1\n",
+    "reject = np.logical_not(accept)\n",
+    "\n",
+    "fig, ax = plt.subplots(1)\n",
+    "ax.scatter(x[accept], y[accept], c='b', alpha=0.2, edgecolor=None)\n",
+    "ax.scatter(x[reject], y[reject], c='r', alpha=0.2, edgecolor=None)\n",
+    "ax.set_aspect('equal')\n",
+    "\n",
+    "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 :\n",
+    "\n",
+    "4*np.mean(accept)"
    ]
   }
  ],