diff --git a/module2/exo1/toy_document_fr.Rmd b/module2/exo1/toy_document_fr.Rmd
index 7eece5e296bb586e88166aa8a263ca75b44c2b9e..bc294b3b3eb8a81f1f7d561aedfe071faf495e5b 100644
--- a/module2/exo1/toy_document_fr.Rmd
+++ b/module2/exo1/toy_document_fr.Rmd
@@ -1,6 +1,6 @@
 ---
 title: "Votre titre"
-author: "Votre nom"
+author: "Hugues de Courson"
 date: "La date du jour"
 output: html_document
 ---
@@ -31,3 +31,49 @@ Vous remarquerez le paramètre `echo = FALSE` qui indique que le code ne doit pa
 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.
+
+#A propos du calcul de pi
+
+###*Arnaud Legrand*
+
+###*25 juin 2018*
+
+##En demandant à la lib maths
+
+Mon ordinateur m'indique que $\pi$ vaut *approximativement*
+
+```{r}
+pi
+```
+
+##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), 
+
+```{r}
+set.seed(42)
+N = 100000
+x = runif(N)
+theta = pi/2*runif(N)
+2/(mean(x+sin(theta)>1))
+```
+
+##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 $P[X^2 +Y^2 ≤ 1] = \pi/4$ (voir [méthode de Monte Carlo sur Wikipédia](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()
+```
+
+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)
+```
+