diff --git a/module2/exo1/toy_document_fr.Rmd b/module2/exo1/toy_document_fr.Rmd
index fe6cf2c00ca271ea3426a7484827cfe843af6e15..3fc780af8ea7be356826ad3e59cbfc07508fe9bf 100644
--- a/module2/exo1/toy_document_fr.Rmd
+++ b/module2/exo1/toy_document_fr.Rmd
@@ -2,25 +2,23 @@
 title: "À propos du calcul de pi"
 author: "Arnaud Legrand"
 date: "25 juin 2018"
-output:
-  html_document: default
-  pdf_document: default
+output: html_document
 ---
 
 ```{r setup, include=FALSE}
 knitr::opts_chunk$set(echo = TRUE)
 ```
-##En demandant à la lib maths
+## En demandant à la lib maths
 
-Mon ordinateur m’indique que $\pi$ vaut approximativement
+Mon ordinateur m'indique que $\pi$ vaut approximativement
 
-```{r}
+```{r cars}
 pi
 ```
 
-##En utilisant la méthode des aiguilles de Buffon
+## 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** :
+Mais calculé avec la __méthode_ des [aiguilles de Buffon](https://fr.wikipedia.org/wiki/Aiguille_de_Buffon), on obtiendrait comme __approximation_ :
 
 ```{r}
 set.seed(42)
@@ -30,9 +28,9 @@ theta = pi/2*runif(N)
 2/(mean(x+sin(theta)>1))
 ```
 
-##Avec un argument “fréquentiel” de surface
+## 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 $P[X^2+Y^2\le1]=\pi/4$ (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:
+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)
@@ -41,9 +39,10 @@ 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:
+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)
 ```