diff --git a/module2/exo5/exo5_fr.Rmd b/module2/exo5/exo5_fr.Rmd
index 479d7823321976e2d925d00ea599e205bfbd8cc7..e9c1f1dd7cfc53fc3c8401dcb786ba22165d433a 100644
--- a/module2/exo5/exo5_fr.Rmd
+++ b/module2/exo5/exo5_fr.Rmd
@@ -70,7 +70,7 @@ $p=p(t)$. Pour relier $p(t)$ à $t$, on va donc effectuer une
 régression logistique.
 
 ```{r}
-logistic_reg = glm(data=data, Malfunction/Count ~ Temperature, weights=Count, 
+logistic_reg = glm(data=data, ~ Temperature + Pressure, weights=Count, 
                    family=binomial(link='logit'))
 summary(logistic_reg)
 ```
diff --git a/module3/exo2/exercice_fr.Rmd b/module3/exo2/exercice_fr.Rmd
index 7eece5e296bb586e88166aa8a263ca75b44c2b9e..0415eba10575f7d7bc86979c65caa7bfbc57c293 100644
--- a/module3/exo2/exercice_fr.Rmd
+++ b/module3/exo2/exercice_fr.Rmd
@@ -1,7 +1,7 @@
 ---
-title: "Votre titre"
-author: "Votre nom"
-date: "La date du jour"
+title: "module 3 exo 2 varicelle"
+author: "NK"
+date: "07.07.2025"
 output: html_document
 ---
 
@@ -10,24 +10,31 @@ output: html_document
 knitr::opts_chunk$set(echo = TRUE)
 ```
 
-## Quelques explications
-
-Ceci est un document R markdown que vous pouvez aisément exporter au format HTML, PDF, et MS Word. Pour plus de détails sur R Markdown consultez <http://rmarkdown.rstudio.com>.
+## Préparation des données
 
-Lorsque vous cliquerez sur le bouton **Knit** ce document sera compilé afin de ré-exécuter le code R et d'inclure les résultats dans un document final. Comme nous vous l'avons montré dans la vidéo, on inclue du code R de la façon suivante:
-
-```{r cars}
-summary(cars)
+Les données de l'incidence de la varicelle sont disponibles du site Web du [Réseau Sentinelles](http://www.sentiweb.fr/). Nous les récupérons sous forme d'un fichier en format CSV dont chaque ligne correspond à une semaine de la période demandée. Nous téléchargeons toujours le jeu de données complet, qui commence en 1990 et se termine avec une semaine récente. L'URL est:
+```{r}
+data_url = "https://www.sentiweb.fr/datasets/all/inc-7-PAY.csv"
 ```
+```{r}
+varicelle <- read_csv("inc-7-PAY.csv", skip = 1)
+varicelle$year <- substr(varicelle$week, 1, 4)
+total_par_annee <- aggregate(inc ~ year, data = varicelle, sum, na.rm = TRUE)
+taux_par_annee <- aggregate(inc100 ~ year, data = varicelle, mean, na.rm = TRUE)
 
-Et on peut aussi aisément inclure des figures. Par exemple:
+```
+```{r}
+total_par_annee[which.max(total_par_annee$inc), ]
+taux_par_annee[which.max(taux_par_annee$inc100), ]
+```
 
-```{r pressure, echo=FALSE}
-plot(pressure)
+```{r}
+total_par_annee[which.min(total_par_annee$inc), ]
+taux_par_annee[which.min(taux_par_annee$inc100), ]
 ```
 
-Vous remarquerez le paramètre `echo = FALSE` qui indique que le code ne doit pas apparaître dans la version finale du document. Nous vous recommandons dans le cadre de ce MOOC de ne pas utiliser ce paramètre car l'objectif est que vos analyses de données soient parfaitement transparentes pour être reproductibles. 
 
-Comme les résultats ne sont pas stockés dans les fichiers Rmd, pour faciliter la relecture de vos analyses par d'autres personnes, vous aurez donc intérêt à générer un HTML ou un PDF et à le commiter.
 
-Maintenant, à vous de jouer! Vous pouvez effacer toutes ces informations et les remplacer par votre document computationnel.
+
+## Quelques explications
+https://www.sentiweb.fr/datasets/all/inc-7-PAY.csv