diff --git a/module2/exo2/exercice_fr.Rmd b/module2/exo2/exercice_fr.Rmd
index 4affb550a72a0a31f3e3d4e9c2d5a4324bf60b8b..8cf463fffdbae6d09a0aa97c069cd2e8f6d58521 100644
--- a/module2/exo2/exercice_fr.Rmd
+++ b/module2/exo2/exercice_fr.Rmd
@@ -1,7 +1,7 @@
 ---
-title: "MOOC représentativité Module 2 - Exercice 2"
-author: "Rosalie"
-date: "23 juillet 2023"
+title: "A propos du calcul de pi"
+author: "Arnaud Legrand, exercise Sindy"
+date: "05/11/2024"
 output: html_document
 ---
 
@@ -9,12 +9,38 @@ output: html_document
 knitr::opts_chunk$set(echo = TRUE)
 ```
 
-# Savoir faire un calcul simple soi-même
+# En demandant à la lib maths
+Mon ordinateur m'indique que $\pi$ vaut *approximativement*
 
 ```{r}
-data = c(14.0, 7.6, 11.2, 12.8, 12.5, 9.9, 14.9, 9.4, 16.9, 10.2, 14.9, 18.1, 7.3, 9.8, 10.9,12.2, 9.9, 2.9, 2.8, 15.4, 15.7, 9.7, 13.1, 13.2, 12.3, 11.7, 16.0, 12.4, 17.9, 12.2, 16.2, 18.7, 8.9, 11.9, 12.1, 14.6, 12.1, 4.7, 3.9, 16.9, 16.8, 11.3, 14.4, 15.7, 14.0, 13.6, 18.0, 13.6, 19.9, 13.7, 17.0, 20.5, 9.9, 12.5, 13.2, 16.1, 13.5, 6.3, 6.4, 17.6, 19.1, 12.8, 15.5, 16.3, 15.2, 14.6, 19.1, 14.4, 21.4, 15.1, 19.6, 21.7, 11.3, 15.0, 14.3, 16.8, 14.0, 6.8, 8.2, 19.9, 20.4, 14.6, 16.4, 18.7, 16.8, 15.8, 20.4, 15.8, 22.4, 16.2, 20.3, 23.4, 12.1, 15.5, 15.4, 18.4, 15.7, 10.2, 8.9, 21.0)
-summary(data)
-sd(data)
+pi
 ```
 
+# En utilisant la méthode des aiguilles de Buffon
+Mais calulé avec la **méthode** des [aiguilles de Buffon](https://fr.wikipedia.org/wiki/Aiguille_de_Buffon), on obtiendrait comme **approximation** : 
+```{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 $P[X^2+Y^2 \le 1]=pi/4$ (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, $X^2 + Y^2 \le 1$ est inférieur à 1:
+```{r}
+4*mean(df$Accept)
+```
+
+