diff --git a/module2/exo1/toy_document_orgmode_python_fr.org b/module2/exo1/toy_document_orgmode_python_fr.org
index e72b9f042cee837ee377cc793963644bc5aea6e2..9243d310a7c28e1572a6dc1af7a9100584627f0e 100644
--- a/module2/exo1/toy_document_orgmode_python_fr.org
+++ b/module2/exo1/toy_document_orgmode_python_fr.org
@@ -51,7 +51,7 @@ theta = np.random.uniform(size=N, low=0, high=pi/2)
 
 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]=\pi/4 (voir [[https://fr.wikipedia.org/wiki/M%C3%A9thode_de_Monte-Carlo#D%C3%A9termination_de_la_valeur_de_%CF%80][méthode de Monte Carlo sur Wikipedia]]). Le code suivant illustre ce fait :
 
-#+begin_src python :results output file :session :var matplot_lib_filename="./exe.png" :exports results
+#+begin_src python :results silent :session :var matplot_lib_filename="./exe.png" :exports results
 
 import matplotlib.pyplot as plt
 import numpy as np
@@ -70,15 +70,8 @@ ax.scatter(x[reject], y[reject], c='r', alpha=0.2, edgecolor=None)
 ax.set_aspect('equal')
 
 plt.savefig(matplot_lib_filename)
-print(matplot_lib_filename)
 #+end_src
 
-#+RESULTS:
-[[file:
->>> >>> >>> >>> >>> >>> >>> >>> >>> >>> >>> >>> >>> <matplotlib.collections.PathCollection object at 0x7f5c70f6a410>
-<matplotlib.collections.PathCollection object at 0x7f5c70f6a950>
-./exe.png]]
-
 
 [[file:./exe.png]]