diff --git a/module 2/exo1/toy_notebook_fr.ipynb b/module 2/exo1/toy_notebook_fr.ipynb
index a99930ac14f460c5a2f73f6e2d3ad972b8a2921b..fc06bb4b7692506a842c6b9a5f2c46682cc4fbae 100644
--- a/module 2/exo1/toy_notebook_fr.ipynb	
+++ b/module 2/exo1/toy_notebook_fr.ipynb	
@@ -1,20 +1,17 @@
 # Toy Notebook
 
-**Date:** March 28, 2019
+# **Date:** March 28, 2019
 
 ## 1. À propos du calcul de π
 
 ### 1.1 En demandant à la lib maths
 
-Mon ordinateur m’indique que π vaut approximativement:
+### Mon ordinateur m’indique que π vaut approximativement:
 
-```python
 from math import *
 
 print(pi)
 
-3.141592653589793
-
 ## 1.2 En utilisant la méthode des aiguilles de Buffon
 
 ## Mais calculé avec la méthode des [aiguilles de Buffon](https://fr.wikipedia.org/wiki/Aiguille_de_Buffon), on obtiendrait comme approximation :
@@ -31,12 +28,10 @@ theta = np.random.uniform(size=N, low=0, high=np.pi/2)
 
 2/(sum((x+np.sin(theta))>1)/N)
 
-3.1289111389236548
+
  
 ## 1.3 Avecunargument "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 ∼ U(0,1) et Y ∼ U(0,1) alors P[$$X^2 + Y^2$$ ≤ 1] = π/4 ([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 :
+## 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 ∼ U(0,1) et Y ∼ U(0,1) alors P[$$X^2 + Y^2$$ ≤ 1] = π/4 ([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 :
 
 %matplotlib inline
 import matplotlib.pyplot as plt
@@ -59,11 +54,6 @@ ax.scatter(x[reject], y[reject], c='r', alpha=0.2, edgecolor=None)
 
 ax.set_aspect('equal')
 
-Il est alors aisé d’obtenir une approximation (pas terrible) de π en comptant combien de fois, en moyenne, $$X^2 + Y^2$$
- est inférieur à 1 :
+## Il est alors aisé d’obtenir une approximation (pas terrible) de π en comptant combien de fois, en moyenne, $$X^2 + Y^2$$ est inférieur à 1 :
 
 4 * np.mean(accept)
-
-3.1120000000000001
-
-