diff --git a/graph.py b/graph.py
index 0e44916..50cdddf 100644
--- a/graph.py
+++ b/graph.py
@@ -1,20 +1,128 @@
+import os
+import pandas as pd
 import numpy as np
 import matplotlib.pyplot as plt
 
-data = np.loadtxt("rabbits.csv", delimiter=",", skiprows=1, usecols=(0, 1))
-month, total = data[:, 0], data[:, 1]
+OUT = os.path.join("repport", "images")
+os.makedirs(OUT, exist_ok=True)
 
+# Supprime l'ancienne figure règle 3 si elle existe encore
+STALE = os.path.join(OUT, "regle3_vieillissement.png")
+if os.path.exists(STALE):
+    os.remove(STALE)
+    print(f"Ancien fichier supprimé : {STALE}")
+
+def save_fig(fig, name):
+    path = os.path.join(OUT, f"{name}.png")
+    fig.savefig(path, dpi=300, bbox_inches="tight")
+    plt.close(fig)
+    print(f"OK -> {path}")
+
+# --- Chargement ---
+df = pd.read_csv("rabbits.csv", skipinitialspace=True)
+df.columns = df.columns.str.strip()
+df = df.loc[:, ~df.columns.str.startswith("Unnamed")]
+cols = df.columns.drop("Month")
+df[cols] = df[cols].astype("float64")   # effectifs > int64 max
+
+m       = df["Month"].values.astype(int)
+litters = df["Litters"].values
+births  = (df["Kitten Male (age 1)"] + df["Kitten Female (age 1)"]).values
+adult_1 = (df["Male (age 1)"] + df["Female (age 1)"]).values
+adult_f = df.filter(regex=r"^Female \(age").sum(axis=1).values
+
+km  = df[[f"Kitten Male (age {i})"   for i in range(1, 9)]].values
+kf  = df[[f"Kitten Female (age {i})" for i in range(1, 9)]].values
+kit = km + kf                                     # (N, 8), âges en mois
+
+# Buckets adultes etanches (age 1 exclu : il recoit la maturation), ages 2..16 ans
+ages = list(range(2, 17))
+ad = df[[f"Male (age {i})" for i in ages] +
+        [f"Female (age {i})" for i in ages]].values   # (N, 30)
+
+# --- Controle d'integrite : saut du ratio naissances/portees ? ---
+ratio_g = births[1:] / np.maximum(litters[:-1], 1)
+jumps = np.where(np.abs(np.diff(ratio_g)) > 0.75)[0]
+if jumps.size:
+    print(f"⚠️  CSV incoherent : le ratio naissances/portees saute autour du mois "
+          f"{m[jumps[0] + 1]} — verifie le regime de gestation !")
+
+# === Regle 1 : gestation a 50 %/mois ===
 fig, ax = plt.subplots(figsize=(9, 5))
-ax.plot(month, total, lw=2, color="tab:blue")
+ax.plot(m, litters / np.maximum(adult_f, 1), lw=1, color="tab:blue")
+ax.axhline(0.5, color="red", ls="--", label="attendu : 0.50")
+ax.set_ylim(0, 1)
+ax.set_xlabel("Mois"); ax.set_ylabel("Litters / femelles adultes")
+ax.set_title("Règle 1 — Taux de gestation"); ax.legend(); ax.grid(alpha=0.3)
+fig.tight_layout(); save_fig(fig, "regle1_gestation")
 
+# === Regle 2 : 3 a 6 bebes par gestation ===
+fig, ax = plt.subplots(figsize=(9, 5))
+ax.plot(m[1:], ratio_g, lw=1, color="tab:purple")
+ax.axhspan(3, 6, color="green", alpha=0.15, label="zone [3, 6]")
+ax.axhline(4.5, color="red", ls="--", label="moyenne uniforme : 4.5")
+ax.set_ylim(0, 8)
+ax.set_xlabel("Mois"); ax.set_ylabel("Nouveaux-nés / portée")
+ax.set_title("Règle 2 — Bébés par gestation"); ax.legend(); ax.grid(alpha=0.3)
+fig.tight_layout(); save_fig(fig, "regle2_portees")
+
+# === Regle 2bis : distribution des portees ===
+fig, ax = plt.subplots(figsize=(9, 5))
+valid = ratio_g[(ratio_g > 1) & (ratio_g < 12)]
+ax.hist(valid, bins=60, color="tab:purple", alpha=0.8)
+ax.axvline(4.5, color="red", ls="--", label="4.5 attendu")
+ax.set_xlabel("Bébés / portée"); ax.set_ylabel("Occurrences")
+ax.set_title("Règle 2 — Distribution des portées"); ax.legend(); ax.grid(alpha=0.3)
+fig.tight_layout(); save_fig(fig, "regle2_distribution")
+
+# === Regle 3 : maturation 5-8 mois (mesure seule, sans prediction) ===
+fig, ax = plt.subplots(figsize=(9, 5))
+ok3 = (m % 12 != 1) & (m >= 14) & (adult_1 > 100)
+ax.plot(m[ok3], adult_1[ok3], lw=1.5, color="tab:green", label="Adultes âge 1 (mesuré)")
 ax.set_yscale("log")
-ax.set_xlim(0, month.max())
-ax.set_ylim(10, total.max() * 3)
-ax.set_xticks(np.arange(0, month.max() + 1, 24))
-ax.grid(True, which="both", axis="y", alpha=0.3)
-ax.set_xlabel("Month")
-ax.set_ylabel("Total rabbits (log)")
-ax.set_title("Simulation Rabbit — population totale")
+ax.set_xlabel("Mois"); ax.set_ylabel("Effectifs (log)")
+ax.set_title("Règle 3 — Maturation entre 5 et 8 mois"); ax.legend(); ax.grid(alpha=0.3)
+fig.tight_layout(); save_fig(fig, "regle3_maturation")
 
-fig.tight_layout()
-plt.show()
\ No newline at end of file
+# === Regle 5 : survie des kittens ~95 %/mois ===
+fig, ax = plt.subplots(figsize=(9, 5))
+surv = kit[1:, 1:] / np.maximum(kit[:-1, :-1], 1)   # (N-1, 7)
+mask = kit[:-1, :-1] > 100                          # (N-1, 7)
+xs = np.repeat(m[1:, None], 7, axis=1)              # (N-1, 7)
+ax.plot(xs[mask], surv[mask], ".", ms=2, alpha=0.2, color="tab:cyan")
+ax.axhline(0.95, color="red", ls="--", label="attendu : 0.95")
+ax.set_ylim(0.8, 1.05)
+ax.set_xlabel("Mois"); ax.set_ylabel("Taux de survie mensuel")
+ax.set_title("Règle 5 — Survie des kittens (5 %/mois)"); ax.legend(); ax.grid(alpha=0.3)
+fig.tight_layout(); save_fig(fig, "regle5_survie_kittens")
+
+# === Regle 4 : mortalite adultes — 40 %/an, +10 pts/an apres 10 ans ===
+trans1 = (m[1:] % 12 == 1)                                 # (N-1,) : mois cible = bascule
+s_reg  = ad[1:] / np.maximum(ad[:-1], 1)                   # (N-1, 30) mois reguliers
+s_diag = np.full_like(s_reg, np.nan)
+s_diag[trans1, 1:] = ad[1:][trans1, 1:] / np.maximum(ad[:-1][trans1, :-1], 1)
+s_meas = np.where(trans1[:, None], s_diag, s_reg)          # (N-1, 30)
+
+d_annuel  = np.array([0.40 + 0.10 * max(0, a - 10) for a in ages])
+s_attendu = 1 - d_annuel / 12
+
+fig, ax = plt.subplots(figsize=(10, 5.5))
+for j, a in enumerate(ages):
+    ok = (ad[:-1, j] > 100) & ~np.isnan(s_meas[:, j]) & \
+         (s_meas[:, j] > 0.5) & (s_meas[:, j] < 1.02)
+    ax.plot(m[1:][ok], s_meas[ok, j], ".", ms=2.5, alpha=0.45, label=f"âge {a} ans")
+for a, s in zip(ages, s_attendu):
+    ax.axhline(s, color="black", ls=":", lw=0.7, alpha=0.6)
+    ax.text(1.01, s, f"{s:.4f}", transform=ax.get_yaxis_transform(),
+            va="center", fontsize=7, color="black")
+ax.set_ylim(0.88, 1.0)
+ax.set_xlabel("Mois"); ax.set_ylabel("Taux de survie mensuel par bucket d'âge")
+ax.set_title("Règle 4 — 40 %/an jusqu'à 10 ans, +10 pts/an ensuite (appliqué /12 par mois)")
+ax.legend(ncol=2, fontsize=8, loc="lower left"); ax.grid(alpha=0.3)
+fig.tight_layout(); save_fig(fig, "regle4_mortalite_adultes")
+
+print("\nTaux de survie mensuels attendus (règle 4) :")
+for a, d, s in zip(ages, d_annuel, s_attendu):
+    print(f"  âge {a:2d} ans : {100*d:5.1f} %/an  ->  survie mensuelle {s:.5f}")
+
+print("\nToutes les images sont dans", OUT)
\ No newline at end of file
diff --git a/rabbit_hole.c b/rabbit_hole.c
index e261a10..f118b6c 100644
--- a/rabbit_hole.c
+++ b/rabbit_hole.c
@@ -166,33 +166,28 @@ double ul_mu_litter, ul_sigma_litter;
 void update_litter(rabbit_hole_t *rabbits, __uint128_t *new_kitten_male, __uint128_t *new_kitten_female) {
     (*new_kitten_female) = 0;
     (*new_kitten_male) = 0;
-    // sigma par femelle carre = ((b-a+1)caree- 1)/12 = 4
-    // sigma par femelle = 2
-    //sigma total = sqrt(sigma par femelle carre * N)
-    //mu = ((9+3)/2 ) * N = 6 * N
-    if (rabbits->female_litter < 100) {
-        for (i = 0; i < rabbits->female_litter; i++) {
-            taille1 = 3 + (int)(4.0 * genrand_real2()); //TODO
-            taille1 = 3 + (int)(4.0 * genrand_real2()); //TODO
-            for (int k = 0; k < taille1; k++) {
-                if (genrand_real1() > 0.5) (*new_kitten_male)++;
-                else                       (*new_kitten_female)++;
-            }
-
+if (rabbits->female_litter < 100) {
+    for (i = 0; i < rabbits->female_litter; i++) {
+        taille1 = 3 + (int)(4.0 * genrand_real2());
+        for (int k = 0; k < taille1; k++) {
+            if (genrand_real1() > 0.5) (*new_kitten_male)++;
+            else                       (*new_kitten_female)++;
         }
-    }else {
-        ul_mu_k = 6.0*(double)rabbits->female_litter;
-        ul_sigma_k = sqrt(4.0 * (double)rabbits->female_litter);
-        gauss(x_gauss);
-        x_gauss[0] = CLAMP_BTW(x_gauss[0] * ul_sigma_k+ ul_mu_k, 0.0 , rabbits->female_litter * 9.0);
 
-        ul_mu_sex = x_gauss[0] * 0.5;
-        ul_sigma_sex = sqrt(ul_mu_sex * 0.5);
-        x_gauss[1] = CLAMP_BTW(x_gauss[1] * ul_sigma_sex + ul_mu_sex , 0.0, rabbits->female_litter * 9.0);
-
-        (*new_kitten_female) = (__uint128_t)roundl(x_gauss[1]) ;
-        (*new_kitten_male) = (__uint128_t)roundl(x_gauss[0] - x_gauss[1]);
     }
+}else {
+    ul_mu_k = 4.5*(double)rabbits->female_litter; // 4.5 = (b+a)/2
+    ul_sigma_k = sqrt(1.118 * (double)rabbits->female_litter); //(k²−1)/12 = 1.118
+    gauss(x_gauss);
+    x_gauss[0] = CLAMP_BTW(x_gauss[0] * ul_sigma_k+ ul_mu_k, 0.0 , rabbits->female_litter * 9.0);
+
+    ul_mu_sex = x_gauss[0] * 0.5;
+    ul_sigma_sex = sqrt(ul_mu_sex * 0.5);
+    x_gauss[1] = CLAMP_BTW(x_gauss[1] * ul_sigma_sex + ul_mu_sex , 0.0, rabbits->female_litter * 9.0);
+
+    (*new_kitten_female) = (__uint128_t)roundl(x_gauss[1]) ;
+    (*new_kitten_male) = (__uint128_t)roundl(x_gauss[0] - x_gauss[1]);
+}
 
     nb_females = 0;
     for (i = 0; i < N_MATURE; i++) {
diff --git a/repport/SimulationLapin.tex b/repport/SimulationLapin.tex
index 36d9297..b8b887f 100644
--- a/repport/SimulationLapin.tex
+++ b/repport/SimulationLapin.tex
@@ -3,68 +3,214 @@
 % Préambule : packages utiles
 \usepackage[utf8]{inputenc}
 \usepackage[T1]{fontenc}
-\usepackage[french]{babel} 
-\usepackage{graphicx}     
+\usepackage[french]{babel}
+\usepackage{graphicx}
 \usepackage{amsmath}
-\usepackage{hyperref}
-\graphicspath{ {./images/} } 
+\usepackage[a4paper, margin=2cm]{geometry}
+\usepackage[table]{xcolor}
+\usepackage{listings}
+\usepackage{hyperref} % hyperref se charge en dernier
 
-\title{Simulation de population de lapin \\ (Rabbit's hole)}
-\author{Aubin DORIVAL F2 Promo 28}
+\graphicspath{ {./images/} }
+
+\definecolor{codebg}{HTML}{F6F8FA}
+\definecolor{codeframe}{HTML}{D0D7DE}
+\definecolor{kw}{HTML}{CF222E}        % mots-clés C
+\definecolor{tp}{HTML}{0550AE}        % types
+\definecolor{str}{HTML}{0A3069}       % chaînes
+\definecolor{cmt}{HTML}{6E7781}       % commentaires
+\definecolor{prep}{HTML}{8250DF}      % préprocesseur
+
+\lstset{
+  language=C,
+  basicstyle=\ttfamily\small,
+  keywordstyle=\color{kw}\bfseries,
+  commentstyle=\color{cmt}\itshape,
+  stringstyle=\color{str},
+  backgroundcolor=\color{codebg},
+  frame=single,
+  rulecolor=\color{codeframe},
+  numbers=left,
+  numberstyle=\tiny\color{cmt},
+  numbersep=8pt,
+  breaklines=true,
+  showstringspaces=false,
+  tabsize=4,
+  captionpos=b,
+  % types et fonctions courantes du C
+  morekeywords={size_t, uint8_t, uint32_t, uint64_t, NULL,
+                malloc, free, printf, rand, srand,
+                sqrt, log, cos, sin, M_PI},
+  % directives du préprocesseur (le # reste gris, le mot est coloré)
+  emph={include, define, ifndef, ifdef, endif, pragma},
+  emphstyle=\color{prep}\bfseries
+}
+
+\title{Simulation de population de lapins \\ « Rabbit Hole »}
+\author{Aubin DORIVAL \\ F2 -- Promo 28}
 \date{\today}
 
 \begin{document}
 \maketitle
 
 \begin{center}
-	\url{https://git.dukantic.fr/dukantic/Rabbit-s-Hole}
-    \includegraphics[width=0.7\textwidth]{draw_rabbit.jpg}
+  \url{https://git.dukantic.fr/dukantic/Rabbit-s-Hole}\\[0.5cm]
+  \includegraphics[width=0.7\textwidth]{draw_rabbit.jpg}
 \end{center}
 
 \section{Introduction}
-Le projet `Rabbit Hole` est une simulation de population de lapin. Elle 
-essaye de simuler la croissance de la population de lapin en essayant de 
-suivre certaine règles et en faisant abstraction d'autre choses. Dans 
-tout le projet j'ai globalement prit les conditions et les probabilités
-qui sont dans le sujet de base.
-
+Le projet « Rabbit Hole » est une simulation de population de lapins.
+Elle vise à simuler la croissance de cette population en suivant certaines
+règles, tout en faisant abstraction d'autres paramètres. Tout au long du
+projet, j'ai globalement conservé les conditions et les probabilités
+fournies dans le sujet.
 
 \section{Règles}
-Tout d'abord il faut définir les règles à suivre.
+Tout d'abord, il faut définir les règles à suivre.
 
 \begin{itemize}
-  \item Taux de gestation à $50\%$ par mois.
-  \item $3$ à $6$ bébés par gestation de manière uniforme.
-  \item Les bébés deviennent adulte entre le $5\up{eme}$ et $8\up{eme}$ mois
-  \item Les adultes meurent avec un taux de $40\%/ans + 10\%/ans$ à partir de 10 ans.
-  \item Les bébés meurent avec un taux de $65\%/ans \Rightarrow 5\%/mois$ sur 7 mois en moyenne.
+  \item taux de gestation de $50\%$ par mois ;
+  \item $3$ à $6$ bébés par gestation, répartis de manière uniforme ;
+  \item les bébés deviennent adultes entre le 5\ieme{} et le 8\ieme{} mois ;
+  \item les adultes meurent avec un taux de $40\%$ par an, auquel s'ajoute
+        $10\%$ par an à partir de 10 ans ;
+  \item les bébés meurent avec un taux de $65\%$ par an, soit environ
+        $5\%$ par mois pendant 7 mois en moyenne.
 \end{itemize}
 
-
 \begin{center}
-	\includegraphics[width=\textwidth]{rabbit's_rules.png}
+  \includegraphics[width=\textwidth]{rabbit's_rules.png}
 \end{center}
 
-\section{Structure de donnée}
-Pour stocker les lapins j'ai choisit de les classées par âge. En effet
-toute les règles sont basé sur l'âge alors je peux les compter. Ma
-structure de données est donc basé sur cela. J'ai un tableau par sexe 
-et l'indice du tableau correspond a l'âge. J'ai aussi le nombre de lapine
-en gestation. Pour les bébés j'ai exactement la même chose sauf que
-l indice représente le mois plutôt que l'année. Pour les nombres j'ai
-choisi un entier non-signé de 128 bits (ce qui est pas disponible pour
-toute les plateformes) pour évité un maximum les dépassement d'entier.
+\section{Structure de données}
+Pour stocker les lapins, j'ai choisi de les classer par âge. En effet,
+toutes les règles sont basées sur l'âge : il suffit donc de compter les
+lapins par classe d'âge. Ma structure de données repose sur ce principe :
+un tableau par sexe, dont l'indice correspond à l'âge, ainsi que le nombre
+de lapines en gestation. Pour les bébés, j'ai exactement la même chose,
+si ce n'est que l'indice représente le mois plutôt que l'année. Pour les
+nombres, j'ai choisi un entier non signé de 128 bits (non disponible sur
+toutes les plateformes) afin de limiter au maximum les dépassements
+d'entier.
 
-\begin{verbatim}
+\begin{figure}[htbp]
+\begin{lstlisting}[caption={Structure de données pour les lapins}, label={lst:struct}]
 #define N_MATURE (16)
 #define N_KITTEN (8)
-	typedef struct rabbit_hole_s {
+
+typedef struct rabbit_hole_s {
     __uint128_t male_mature[N_MATURE];
     __uint128_t female_mature[N_MATURE];
     __uint128_t female_litter;
     __uint128_t kitten_male[N_KITTEN];
     __uint128_t kitten_female[N_KITTEN];
 } rabbit_hole_t;
-\end{verbatim}
+\end{lstlisting}
+\end{figure}
+
+\section{Implémentation}
+Pour la génération de nombres aléatoires, j'utilise le générateur
+Mersenne Twister, associé à la méthode de Box-Muller. Dans un premier
+temps, j'effectuais un tirage aléatoire pour chaque probabilité et pour
+chaque lapin. Par exemple, pour la mort : pour chaque lapin, je tire un
+nombre aléatoire et je décide s'il meurt ou s'il survit. Cette approche
+était beaucoup trop lente : au bout de 9 à 10 ans simulés, les calculs
+prenaient déjà trop de temps. Je me suis alors dit que toutes mes
+probabilités suivaient des lois uniformes et que je pouvais donc les
+approximer par des gaussiennes grâce à la méthode de Box-Muller.
+Je n'utilise cette approximation que lorsque le nombre de lapins à
+traiter dépasse 100.
+
+\begin{figure}[htbp]
+  \centering
+  \begin{align*}
+    R_{n,1},\, R_{n,2} &\gets \text{nombres aléatoires} \\
+    X_1 &= \sqrt{-2 \ln R_{n,1}} \cdot \cos(2\pi R_{n,2}) \\
+    X_2 &= \sqrt{-2 \ln R_{n,1}} \cdot \sin(2\pi R_{n,2})
+  \end{align*}
+  \caption{Méthode de Box-Muller}
+  \label{fig:box-muller}
+\end{figure}
+
+La gaussienne générée par la méthode de Box-Muller est centrée en 0 et
+réduite (écart type 1). Dans mon cas, j'ai besoin de la centrer sur le
+nombre de lapins attendu. Pour cela, je calcule $\mu$, la moyenne de la
+valeur attendue, ainsi que $\sigma$, l'écart type de la gaussienne.
+
+\begin{figure}[htbp]
+  \centering
+  \begin{align*}
+    \text{Loi binomiale (survies, sexes) : } \mathcal{B}(n, p) \\
+    \mu_{\text{bin}}    &= n \cdot p \\
+    \sigma_{\text{bin}} &= \sqrt{n \cdot p \cdot (1-p)} \\[4pt]
+    \text{Somme de $n$ lois uniformes (portées) : } \sum_{i=1}^{n} \mathcal{U}([a,b]) \\
+    \mu_{\text{unif}}    &= n \cdot \frac{a+b}{2} \\
+    \sigma_{\text{unif}} &= \sqrt{\frac{n \cdot (b-a)^2}{12}} \\[4pt]
+    \text{Tirage Box-Muller : } X_0 \sim \mathcal{N}(0,1) \\
+    X_{\text{utilisable}} &= \mu + \sigma \cdot X_0
+       \;\sim\; \mathcal{N}(\mu, \sigma^2)
+  \end{align*}
+  \caption{Décalage de la gaussienne par Box-Muller}
+  \label{eq:decalage-gaussienne}
+\end{figure}
+
+\begin{figure}[htbp]
+\begin{lstlisting}[caption={Code des naissances}, label={lst:naissance}]
+if (rabbits->female_litter < 100) {
+    for (i = 0; i < rabbits->female_litter; i++) {
+        taille1 = 3 + (int)(4.0 * genrand_real2());
+        for (int k = 0; k < taille1; k++) {
+            if (genrand_real1() > 0.5) (*new_kitten_male)++;
+            else                       (*new_kitten_female)++;
+        }
+
+    }
+}else {
+    ul_mu_k = 4.5*(double)rabbits->female_litter; // 4.5 = (b+a)/2
+    ul_sigma_k = sqrt(1.118 * (double)rabbits->female_litter); //(k*k-1)/12 = 1.118
+    gauss(x_gauss);
+    x_gauss[0] = CLAMP_BTW(x_gauss[0] * ul_sigma_k+ ul_mu_k, 0.0 , rabbits->female_litter * 9.0);
+
+    ul_mu_sex = x_gauss[0] * 0.5;
+    ul_sigma_sex = sqrt(ul_mu_sex * 0.5);
+    x_gauss[1] = CLAMP_BTW(x_gauss[1] * ul_sigma_sex + ul_mu_sex , 0.0, rabbits->female_litter * 9.0);
+
+    (*new_kitten_female) = (__uint128_t)roundl(x_gauss[1]) ;
+    (*new_kitten_male) = (__uint128_t)roundl(x_gauss[0] - x_gauss[1]);
+}
+\end{lstlisting}
+\end{figure}
+
+\section{Statistiques}
+Pour collecter les statistiques, j'écris sur la sortie d'erreur (stderr)
+au format CSV, puis je redirige cette sortie vers un fichier afin de
+l'exploiter. J'inscris une nouvelle ligne chaque mois, contenant
+l'ensemble des nombres de ma structure. Pour afficher les nombres en
+\verb|__uint128_t|, il n'existe pas de format d'affichage par défaut,
+contrairement à \verb|uint64_t| par exemple (\verb|%llu|) : il a donc
+fallu réaliser un formatage manuel. Les graphiques obtenus permettent de
+vérifier que les règles posées au départ sont bien respectées.
+
+\begin{figure}[htbp]
+  \centering
+  \includegraphics[width=0.45\textwidth]{regle1_gestation}
+  \includegraphics[width=0.45\textwidth]{regle2_distribution}
+  \includegraphics[width=0.45\textwidth]{regle2_portees}
+  \includegraphics[width=0.45\textwidth]{regle3_maturation}
+  \includegraphics[width=0.45\textwidth]{regle4_mortalite_adultes}
+  \includegraphics[width=0.45\textwidth]{regle5_survie_kittens}
+  \caption{Vérification graphique des règles}
+  \label{fig:regles}
+\end{figure}
+
+\section{Utilisation de l'IA}
+Pendant ce TP, l'IA a été utilisée pour :
+\begin{itemize}
+  \item réaliser les graphiques (Python, avec NumPy et Matplotlib) ;
+  \item vérifier la cohérence des valeurs retournées par la simulation ;
+  \item m'aider à rédiger ce rapport (LaTeX, correction d'erreurs et de
+        formulations en français).
+\end{itemize}
+Pour le reste du TP, aucune utilisation n'a été faite.
 
 \end{document}
\ No newline at end of file
diff --git a/repport/images/facteur_multipication_lapin.png b/repport/images/facteur_multipication_lapin.png
new file mode 100644
index 0000000..15e8938
--- /dev/null
+++ b/repport/images/facteur_multipication_lapin.png
@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:bce7c2295165c7b2171e4265dcb4cfd30f3b5d96fc7ae51d7dbaab17ba72d686
+size 31347
diff --git a/repport/images/population_total.png b/repport/images/population_total.png
new file mode 100644
index 0000000..7f129c1
--- /dev/null
+++ b/repport/images/population_total.png
@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:9bc806e47e74c17e5762c6f7169b99a1be4ab181d2787dd11a4986686d375bf0
+size 36765
diff --git a/repport/images/regle1_gestation.png b/repport/images/regle1_gestation.png
new file mode 100644
index 0000000..845fd84
--- /dev/null
+++ b/repport/images/regle1_gestation.png
@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:f776ddde0a612cce9268a6f4955bddce9c0928e09713cbbd6f2d0f8a0144f2de
+size 93495
diff --git a/repport/images/regle2_distribution.png b/repport/images/regle2_distribution.png
new file mode 100644
index 0000000..f567e57
--- /dev/null
+++ b/repport/images/regle2_distribution.png
@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:52bacbb98d1ce6604452e7a83bdfcac9868eb98204dfef30bd13229c0bab727d
+size 77647
diff --git a/repport/images/regle2_portees.png b/repport/images/regle2_portees.png
new file mode 100644
index 0000000..bafc365
--- /dev/null
+++ b/repport/images/regle2_portees.png
@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:37fa4590b4ed71fc0e18231e423d141601cd85beaf11458baf3de47663f398db
+size 88231
diff --git a/repport/images/regle3_maturation.png b/repport/images/regle3_maturation.png
new file mode 100644
index 0000000..bc95f84
--- /dev/null
+++ b/repport/images/regle3_maturation.png
@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:400f3dfacb0461ace36bae1bc481d8086b073036d9bf17aff7b6f020f129344f
+size 128392
diff --git a/repport/images/regle4_mortalite_adultes.png b/repport/images/regle4_mortalite_adultes.png
new file mode 100644
index 0000000..99dd89c
--- /dev/null
+++ b/repport/images/regle4_mortalite_adultes.png
@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:fc952777e2a122b99a15a1b293cd2dce5c883c56037b9b840c05dba762ace391
+size 329197
diff --git a/repport/images/regle5_survie_kittens.png b/repport/images/regle5_survie_kittens.png
new file mode 100644
index 0000000..3375822
--- /dev/null
+++ b/repport/images/regle5_survie_kittens.png
@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:90a0853a4dc962832cdabce91ba7c11c6ba65cd37f20e94120c3fdd1a139f56c
+size 98677