diff --git a/module2/exo1/toy_document_fr.Rmd b/module2/exo1/toy_document_fr.Rmd
index bc082b95088f0b78f883874319f80b67ef9ba225..f62e396fbbef75d0f0c681b3b23195fd094462e7 100644
--- a/module2/exo1/toy_document_fr.Rmd
+++ b/module2/exo1/toy_document_fr.Rmd
@@ -1,25 +1,23 @@
 ---
-title: "A propos du calcul de pi"
+title: "À propos du calcul de pi"
 author: "Arnaud Legrand"
 date: "25 juin 2018"
 output: html_document
 ---
 
-# En demandant à la lib maths
-
-Mon ordinateur m’indique que π vaut approximativement
-
 ```{r setup, include=FALSE}
 knitr::opts_chunk$set(echo = TRUE)
 ```
 
-# En utilisant la méthode des aiguilles de Buffon 
-
+## En demandant à la lib maths
+Mon ordinateur m’indique que π vaut approximativement
 ```{r}
-print(pi)
+pi
 ```
 
-Mais calculé avec la **méthode** des [aiguilles de Buffon](https://fr.wikipedia.org/wiki/Aiguille_de_Buffon), on obtiendrait comme **approximation** :
+## 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** :
 
 ```{r}
 set.seed(42)
@@ -30,7 +28,7 @@ theta = pi/2*runif(N)
 ```
 
 # 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 $X ~ U(0,1)$ et $Y ~U(0,1)$ alors $P[X^2+Y^2 le 1] = \pi/4$ (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:
+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)
@@ -41,7 +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 π 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)