diff --git a/module2/exo1/toy_document_fr.Rmd b/module2/exo1/toy_document_fr.Rmd
index 34275aaac62cfd63cfc2f042e27ed269381e68d8..a82d1095c0bbc22acf7643a6af1e50af0786da4d 100644
--- a/module2/exo1/toy_document_fr.Rmd
+++ b/module2/exo1/toy_document_fr.Rmd
@@ -5,13 +5,12 @@ date: "25 juin 2018"
 output: html_document
 ---
 
-
 ```{r setup, include=FALSE}
 knitr::opts_chunk$set(echo = TRUE)
 ```
 
 ## En demandant à la lib maths
-Mon ordinateur m’indique que $\pi$ vaut *approximativement*
+Mon ordinateur m'indique que $\pi$ vaut *approximativement*
 
 ```{r cars}
 pi
@@ -28,10 +27,10 @@ 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 $P[X^2+Y^2\leq 1] = \pi/4$ voir (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}
+```{r}
 set.seed(42)
 N = 1000
 df = data.frame(X = runif(N), Y = runif(N))
@@ -40,7 +39,7 @@ 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}
+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)
 ```