diff --git a/TP6/TP6_ex2_correc.ipynb b/TP6/TP6_ex2_correc.ipynb
index be42d0e94a7cd4d2afb3d0e0408100b6b503e0ed..e3609626971738a8807bad343b6e2275873777a9 100644
--- a/TP6/TP6_ex2_correc.ipynb
+++ b/TP6/TP6_ex2_correc.ipynb
@@ -746,7 +746,7 @@
     "En effet, d'un part $|f(x)|\\leqslant ||x||_{\\infty}||w||_1$, et d'autre part il s'agit d'un problème de programmation linéaire dont le maximum est atteint sur les sommets de l'hypercube défini par $||x||_{\\infty} \\leqslant 1$. Ces sommets ont pour composantes $(\\pm 1, \\pm 1, \\dots, \\pm 1)$. Le maximum du produit scalaire $x\\cdot w$ est donc $||w||_1$, atteint pour $x=\\text{sign}(w)$.\n",
     "\n",
     "Ainsi, le maximum de $J(\\theta,x',y)$ sous contrainte $||x'-x||\\leqslant \\epsilon$ est atteint pour:\n",
-    "$$ x'=\\epsilon \\; \\text{sign}\\left( \\nabla_x J(\\theta,x,y) \\right)$$\n",
+    "$$ x'=x+\\epsilon \\; \\text{sign}\\left( \\nabla_x J(\\theta,x,y) \\right)$$\n",
     "\n",
     "Pour que $x'$ soit un exemple contradictoire, il faut que $\\epsilon$ soit suffisamment petit pour que l'image $x'$ ressemble visuellement à l'image $x$, mais aussi suffisamment grand pour que $J(\\theta,x',y)$ soit assez différent de $J(\\theta,x,y)$ de manière à ce que le réseau se trompe en prédisant l'étiquette de $y$. \n",
     "\n",
@@ -818,12 +818,12 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "L'inconvénient de l'approche précédente est que le choix du paramètre $\\epsilon$ peut être délicat: parfois $\\epsilon$ est trop petit pour que $ x'=\\epsilon \\; \\text{sign}\\left( \\nabla_x J(\\theta,x,y) \\right)$ ait une classe prédite différente de celle de $x$.\n",
+    "L'inconvénient de l'approche précédente est que le choix du paramètre $\\epsilon$ peut être délicat: parfois $\\epsilon$ est trop petit pour que $ x'=x+\\epsilon \\; \\text{sign}\\left( \\nabla_x J(\\theta,x,y) \\right)$ ait une classe prédite différente de celle de $x$.\n",
     "\n",
     "On peut procéder de manière itérative:\n",
     "- $x_0$ est l'image originale, d'étiquette $y_0$\n",
-    "- on cherche $x_1$ maximisant $J(\\theta,x_0,y_0)$ sous contrainte $||x_0-x_1||\\leqslant\\epsilon$ (comme précédemment)\n",
-    "- on recommence en cherchant $x_2$ maximisant $J(\\theta,x_1,y_0)$ sous contrainte $||x_1-x_2||\\leqslant\\epsilon$\n",
+    "- on cherche $x_1$ maximisant $J(\\theta,x,y_0)$ sous contrainte $||x-x_0||\\leqslant\\epsilon$ (comme précédemment)\n",
+    "- on recommence en cherchant $x_2$ maximisant $J(\\theta,x,y_0)$ sous contrainte $||x-x_1||\\leqslant\\epsilon$\n",
     "- etc. jusqu'à ce que la classe prédite pour $x_n$ soit différente de $y_0$\n",
     "\n",
     "Cet algorithme fournit généralement des exemples contradictoires davantage semblables visuellement à l'image de départ.\n",