diff --git a/.nojekyll b/.nojekyll
index fb2fc8e..2a91309 100644
--- a/.nojekyll
+++ b/.nojekyll
@@ -1 +1 @@
-a84a9164
\ No newline at end of file
+38eef5a5
\ No newline at end of file
diff --git a/Bibliographie.html b/Bibliographie.html
index d639e10..21bbc7c 100644
--- a/Bibliographie.html
+++ b/Bibliographie.html
@@ -125,7 +125,7 @@
       <ul id="quarto-sidebar-section-1" class="collapse list-unstyled sidebar-section depth1 show">  
           <li class="sidebar-item">
   <div class="sidebar-item-container"> 
-  <a href="./I-Accompagnement/0_intro.qmd" class="sidebar-item-text sidebar-link">
+  <a href="./I-Accompagnement/0_Intro.html" class="sidebar-item-text sidebar-link">
  <span class="menu-text">Introduction</span></a>
   </div>
 </li>
diff --git a/I-Accompagnement/0_Intro.html b/I-Accompagnement/0_Intro.html
index 2f22343..31f638e 100644
--- a/I-Accompagnement/0_Intro.html
+++ b/I-Accompagnement/0_Intro.html
@@ -80,9 +80,7 @@
       <button type="button" class="quarto-btn-toggle btn" data-bs-toggle="collapse" role="button" data-bs-target=".quarto-sidebar-collapse-item" aria-controls="quarto-sidebar" aria-expanded="false" aria-label="Toggle sidebar navigation" onclick="if (window.quartoToggleHeadroom) { window.quartoToggleHeadroom(); }">
         <i class="bi bi-layout-text-sidebar-reverse"></i>
       </button>
-        <nav class="quarto-page-breadcrumbs" aria-label="breadcrumb"><ol class="breadcrumb"><li class="breadcrumb-item">
-      Guide d'installation des LLM
-      </li></ol></nav>
+        <nav class="quarto-page-breadcrumbs" aria-label="breadcrumb"><ol class="breadcrumb"><li class="breadcrumb-item"><a href="../I-Accompagnement/0_Intro.html">I-Accompagnement</a></li><li class="breadcrumb-item"><a href="../I-Accompagnement/0_Intro.html">Introduction</a></li></ol></nav>
         <a class="flex-grow-1" role="navigation" data-bs-toggle="collapse" data-bs-target=".quarto-sidebar-collapse-item" aria-controls="quarto-sidebar" aria-expanded="false" aria-label="Toggle sidebar navigation" onclick="if (window.quartoToggleHeadroom) { window.quartoToggleHeadroom(); }">      
         </a>
       <button type="button" class="btn quarto-search-button" aria-label="Search" onclick="window.quartoOpenSearch();">
@@ -127,7 +125,7 @@
       <ul id="quarto-sidebar-section-1" class="collapse list-unstyled sidebar-section depth1 show">  
           <li class="sidebar-item">
   <div class="sidebar-item-container"> 
-  <a href="../I-Accompagnement/0_intro.qmd" class="sidebar-item-text sidebar-link">
+  <a href="../I-Accompagnement/0_Intro.html" class="sidebar-item-text sidebar-link active">
  <span class="menu-text">Introduction</span></a>
   </div>
 </li>
diff --git a/I-Accompagnement/1_cas_usage.html b/I-Accompagnement/1_cas_usage.html
index 16a9d95..f864d99 100644
--- a/I-Accompagnement/1_cas_usage.html
+++ b/I-Accompagnement/1_cas_usage.html
@@ -82,7 +82,7 @@
       <button type="button" class="quarto-btn-toggle btn" data-bs-toggle="collapse" role="button" data-bs-target=".quarto-sidebar-collapse-item" aria-controls="quarto-sidebar" aria-expanded="false" aria-label="Toggle sidebar navigation" onclick="if (window.quartoToggleHeadroom) { window.quartoToggleHeadroom(); }">
         <i class="bi bi-layout-text-sidebar-reverse"></i>
       </button>
-        <nav class="quarto-page-breadcrumbs" aria-label="breadcrumb"><ol class="breadcrumb"><li class="breadcrumb-item"><a href="../I-Accompagnement/0_intro.qmd">I-Accompagnement</a></li><li class="breadcrumb-item"><a href="../I-Accompagnement/1_cas_usage.html">Cas d’usage</a></li></ol></nav>
+        <nav class="quarto-page-breadcrumbs" aria-label="breadcrumb"><ol class="breadcrumb"><li class="breadcrumb-item"><a href="../I-Accompagnement/0_Intro.html">I-Accompagnement</a></li><li class="breadcrumb-item"><a href="../I-Accompagnement/1_cas_usage.html">Cas d’usage</a></li></ol></nav>
         <a class="flex-grow-1" role="navigation" data-bs-toggle="collapse" data-bs-target=".quarto-sidebar-collapse-item" aria-controls="quarto-sidebar" aria-expanded="false" aria-label="Toggle sidebar navigation" onclick="if (window.quartoToggleHeadroom) { window.quartoToggleHeadroom(); }">      
         </a>
       <button type="button" class="btn quarto-search-button" aria-label="Search" onclick="window.quartoOpenSearch();">
@@ -127,7 +127,7 @@
       <ul id="quarto-sidebar-section-1" class="collapse list-unstyled sidebar-section depth1 show">  
           <li class="sidebar-item">
   <div class="sidebar-item-container"> 
-  <a href="../I-Accompagnement/0_intro.qmd" class="sidebar-item-text sidebar-link">
+  <a href="../I-Accompagnement/0_Intro.html" class="sidebar-item-text sidebar-link">
  <span class="menu-text">Introduction</span></a>
   </div>
 </li>
@@ -261,7 +261,7 @@ <h2 id="toc-title">On this page</h2>
 <!-- main -->
 <main class="content" id="quarto-document-content">
 
-<header id="title-block-header" class="quarto-title-block default"><nav class="quarto-page-breadcrumbs quarto-title-breadcrumbs d-none d-lg-block" aria-label="breadcrumb"><ol class="breadcrumb"><li class="breadcrumb-item"><a href="../I-Accompagnement/0_intro.qmd">I-Accompagnement</a></li><li class="breadcrumb-item"><a href="../I-Accompagnement/1_cas_usage.html">Cas d’usage</a></li></ol></nav>
+<header id="title-block-header" class="quarto-title-block default"><nav class="quarto-page-breadcrumbs quarto-title-breadcrumbs d-none d-lg-block" aria-label="breadcrumb"><ol class="breadcrumb"><li class="breadcrumb-item"><a href="../I-Accompagnement/0_Intro.html">I-Accompagnement</a></li><li class="breadcrumb-item"><a href="../I-Accompagnement/1_cas_usage.html">Cas d’usage</a></li></ol></nav>
 <div class="quarto-title">
 <h1 class="title">PARTIE I. Accompagnement au changement</h1>
 </div>
diff --git a/I-Accompagnement/2_Acculturation.html b/I-Accompagnement/2_Acculturation.html
index 7674b5d..77d37fa 100644
--- a/I-Accompagnement/2_Acculturation.html
+++ b/I-Accompagnement/2_Acculturation.html
@@ -82,7 +82,7 @@
       <button type="button" class="quarto-btn-toggle btn" data-bs-toggle="collapse" role="button" data-bs-target=".quarto-sidebar-collapse-item" aria-controls="quarto-sidebar" aria-expanded="false" aria-label="Toggle sidebar navigation" onclick="if (window.quartoToggleHeadroom) { window.quartoToggleHeadroom(); }">
         <i class="bi bi-layout-text-sidebar-reverse"></i>
       </button>
-        <nav class="quarto-page-breadcrumbs" aria-label="breadcrumb"><ol class="breadcrumb"><li class="breadcrumb-item"><a href="../I-Accompagnement/0_intro.qmd">I-Accompagnement</a></li><li class="breadcrumb-item"><a href="../I-Accompagnement/2_Acculturation.html">Acculturation</a></li></ol></nav>
+        <nav class="quarto-page-breadcrumbs" aria-label="breadcrumb"><ol class="breadcrumb"><li class="breadcrumb-item"><a href="../I-Accompagnement/0_Intro.html">I-Accompagnement</a></li><li class="breadcrumb-item"><a href="../I-Accompagnement/2_Acculturation.html">Acculturation</a></li></ol></nav>
         <a class="flex-grow-1" role="navigation" data-bs-toggle="collapse" data-bs-target=".quarto-sidebar-collapse-item" aria-controls="quarto-sidebar" aria-expanded="false" aria-label="Toggle sidebar navigation" onclick="if (window.quartoToggleHeadroom) { window.quartoToggleHeadroom(); }">      
         </a>
       <button type="button" class="btn quarto-search-button" aria-label="Search" onclick="window.quartoOpenSearch();">
@@ -127,7 +127,7 @@
       <ul id="quarto-sidebar-section-1" class="collapse list-unstyled sidebar-section depth1 show">  
           <li class="sidebar-item">
   <div class="sidebar-item-container"> 
-  <a href="../I-Accompagnement/0_intro.qmd" class="sidebar-item-text sidebar-link">
+  <a href="../I-Accompagnement/0_Intro.html" class="sidebar-item-text sidebar-link">
  <span class="menu-text">Introduction</span></a>
   </div>
 </li>
@@ -266,7 +266,7 @@ <h2 id="toc-title">On this page</h2>
 <!-- main -->
 <main class="content" id="quarto-document-content">
 
-<header id="title-block-header" class="quarto-title-block default"><nav class="quarto-page-breadcrumbs quarto-title-breadcrumbs d-none d-lg-block" aria-label="breadcrumb"><ol class="breadcrumb"><li class="breadcrumb-item"><a href="../I-Accompagnement/0_intro.qmd">I-Accompagnement</a></li><li class="breadcrumb-item"><a href="../I-Accompagnement/2_Acculturation.html">Acculturation</a></li></ol></nav>
+<header id="title-block-header" class="quarto-title-block default"><nav class="quarto-page-breadcrumbs quarto-title-breadcrumbs d-none d-lg-block" aria-label="breadcrumb"><ol class="breadcrumb"><li class="breadcrumb-item"><a href="../I-Accompagnement/0_Intro.html">I-Accompagnement</a></li><li class="breadcrumb-item"><a href="../I-Accompagnement/2_Acculturation.html">Acculturation</a></li></ol></nav>
 <div class="quarto-title">
 <h1 class="title">PARTIE I. Accompagnement au changement</h1>
 </div>
diff --git a/I-Accompagnement/3_Impacts.html b/I-Accompagnement/3_Impacts.html
index 46b764d..40354fe 100644
--- a/I-Accompagnement/3_Impacts.html
+++ b/I-Accompagnement/3_Impacts.html
@@ -82,7 +82,7 @@
       <button type="button" class="quarto-btn-toggle btn" data-bs-toggle="collapse" role="button" data-bs-target=".quarto-sidebar-collapse-item" aria-controls="quarto-sidebar" aria-expanded="false" aria-label="Toggle sidebar navigation" onclick="if (window.quartoToggleHeadroom) { window.quartoToggleHeadroom(); }">
         <i class="bi bi-layout-text-sidebar-reverse"></i>
       </button>
-        <nav class="quarto-page-breadcrumbs" aria-label="breadcrumb"><ol class="breadcrumb"><li class="breadcrumb-item"><a href="../I-Accompagnement/0_intro.qmd">I-Accompagnement</a></li><li class="breadcrumb-item"><a href="../I-Accompagnement/3_Impacts.html">Impacts</a></li></ol></nav>
+        <nav class="quarto-page-breadcrumbs" aria-label="breadcrumb"><ol class="breadcrumb"><li class="breadcrumb-item"><a href="../I-Accompagnement/0_Intro.html">I-Accompagnement</a></li><li class="breadcrumb-item"><a href="../I-Accompagnement/3_Impacts.html">Impacts</a></li></ol></nav>
         <a class="flex-grow-1" role="navigation" data-bs-toggle="collapse" data-bs-target=".quarto-sidebar-collapse-item" aria-controls="quarto-sidebar" aria-expanded="false" aria-label="Toggle sidebar navigation" onclick="if (window.quartoToggleHeadroom) { window.quartoToggleHeadroom(); }">      
         </a>
       <button type="button" class="btn quarto-search-button" aria-label="Search" onclick="window.quartoOpenSearch();">
@@ -127,7 +127,7 @@
       <ul id="quarto-sidebar-section-1" class="collapse list-unstyled sidebar-section depth1 show">  
           <li class="sidebar-item">
   <div class="sidebar-item-container"> 
-  <a href="../I-Accompagnement/0_intro.qmd" class="sidebar-item-text sidebar-link">
+  <a href="../I-Accompagnement/0_Intro.html" class="sidebar-item-text sidebar-link">
  <span class="menu-text">Introduction</span></a>
   </div>
 </li>
@@ -266,7 +266,7 @@ <h2 id="toc-title">On this page</h2>
 <!-- main -->
 <main class="content" id="quarto-document-content">
 
-<header id="title-block-header" class="quarto-title-block default"><nav class="quarto-page-breadcrumbs quarto-title-breadcrumbs d-none d-lg-block" aria-label="breadcrumb"><ol class="breadcrumb"><li class="breadcrumb-item"><a href="../I-Accompagnement/0_intro.qmd">I-Accompagnement</a></li><li class="breadcrumb-item"><a href="../I-Accompagnement/3_Impacts.html">Impacts</a></li></ol></nav>
+<header id="title-block-header" class="quarto-title-block default"><nav class="quarto-page-breadcrumbs quarto-title-breadcrumbs d-none d-lg-block" aria-label="breadcrumb"><ol class="breadcrumb"><li class="breadcrumb-item"><a href="../I-Accompagnement/0_Intro.html">I-Accompagnement</a></li><li class="breadcrumb-item"><a href="../I-Accompagnement/3_Impacts.html">Impacts</a></li></ol></nav>
 <div class="quarto-title">
 <h1 class="title">PARTIE I. Accompagnement au changement</h1>
 </div>
diff --git a/II-Developpements/0_Introduction.html b/II-Developpements/0_Introduction.html
index 2b4cac9..0e274ad 100644
--- a/II-Developpements/0_Introduction.html
+++ b/II-Developpements/0_Introduction.html
@@ -127,7 +127,7 @@
       <ul id="quarto-sidebar-section-1" class="collapse list-unstyled sidebar-section depth1 show">  
           <li class="sidebar-item">
   <div class="sidebar-item-container"> 
-  <a href="../I-Accompagnement/0_intro.qmd" class="sidebar-item-text sidebar-link">
+  <a href="../I-Accompagnement/0_Intro.html" class="sidebar-item-text sidebar-link">
  <span class="menu-text">Introduction</span></a>
   </div>
 </li>
diff --git a/II-Developpements/1_Anatomie_LLM.html b/II-Developpements/1_Anatomie_LLM.html
index 71b5c48..3b2b996 100644
--- a/II-Developpements/1_Anatomie_LLM.html
+++ b/II-Developpements/1_Anatomie_LLM.html
@@ -190,7 +190,7 @@
       <ul id="quarto-sidebar-section-1" class="collapse list-unstyled sidebar-section depth1 show">  
           <li class="sidebar-item">
   <div class="sidebar-item-container"> 
-  <a href="../I-Accompagnement/0_intro.qmd" class="sidebar-item-text sidebar-link">
+  <a href="../I-Accompagnement/0_Intro.html" class="sidebar-item-text sidebar-link">
  <span class="menu-text">Introduction</span></a>
   </div>
 </li>
diff --git a/II-Developpements/2_Utilisation_LLM.html b/II-Developpements/2_Utilisation_LLM.html
index 07cacae..e13aed3 100644
--- a/II-Developpements/2_Utilisation_LLM.html
+++ b/II-Developpements/2_Utilisation_LLM.html
@@ -127,7 +127,7 @@
       <ul id="quarto-sidebar-section-1" class="collapse list-unstyled sidebar-section depth1 show">  
           <li class="sidebar-item">
   <div class="sidebar-item-container"> 
-  <a href="../I-Accompagnement/0_intro.qmd" class="sidebar-item-text sidebar-link">
+  <a href="../I-Accompagnement/0_Intro.html" class="sidebar-item-text sidebar-link">
  <span class="menu-text">Introduction</span></a>
   </div>
 </li>
diff --git a/II-Developpements/3_RAG.html b/II-Developpements/3_RAG.html
index b252cab..1eeae4c 100644
--- a/II-Developpements/3_RAG.html
+++ b/II-Developpements/3_RAG.html
@@ -127,7 +127,7 @@
       <ul id="quarto-sidebar-section-1" class="collapse list-unstyled sidebar-section depth1 show">  
           <li class="sidebar-item">
   <div class="sidebar-item-container"> 
-  <a href="../I-Accompagnement/0_intro.qmd" class="sidebar-item-text sidebar-link">
+  <a href="../I-Accompagnement/0_Intro.html" class="sidebar-item-text sidebar-link">
  <span class="menu-text">Introduction</span></a>
   </div>
 </li>
diff --git a/II-Developpements/4_Evaluations.html b/II-Developpements/4_Evaluations.html
index 1a2e81c..736472f 100644
--- a/II-Developpements/4_Evaluations.html
+++ b/II-Developpements/4_Evaluations.html
@@ -127,7 +127,7 @@
       <ul id="quarto-sidebar-section-1" class="collapse list-unstyled sidebar-section depth1 show">  
           <li class="sidebar-item">
   <div class="sidebar-item-container"> 
-  <a href="../I-Accompagnement/0_intro.qmd" class="sidebar-item-text sidebar-link">
+  <a href="../I-Accompagnement/0_Intro.html" class="sidebar-item-text sidebar-link">
  <span class="menu-text">Introduction</span></a>
   </div>
 </li>
diff --git a/III-Deploiements/1_Socle_minimal.html b/III-Deploiements/1_Socle_minimal.html
index 869e9ac..da2e3f1 100644
--- a/III-Deploiements/1_Socle_minimal.html
+++ b/III-Deploiements/1_Socle_minimal.html
@@ -159,7 +159,7 @@
       <ul id="quarto-sidebar-section-1" class="collapse list-unstyled sidebar-section depth1 show">  
           <li class="sidebar-item">
   <div class="sidebar-item-container"> 
-  <a href="../I-Accompagnement/0_intro.qmd" class="sidebar-item-text sidebar-link">
+  <a href="../I-Accompagnement/0_Intro.html" class="sidebar-item-text sidebar-link">
  <span class="menu-text">Introduction</span></a>
   </div>
 </li>
diff --git a/III-Deploiements/2_Socle_avance.html b/III-Deploiements/2_Socle_avance.html
index 1b62f2a..34fdfe5 100644
--- a/III-Deploiements/2_Socle_avance.html
+++ b/III-Deploiements/2_Socle_avance.html
@@ -159,7 +159,7 @@
       <ul id="quarto-sidebar-section-1" class="collapse list-unstyled sidebar-section depth1 show">  
           <li class="sidebar-item">
   <div class="sidebar-item-container"> 
-  <a href="../I-Accompagnement/0_intro.qmd" class="sidebar-item-text sidebar-link">
+  <a href="../I-Accompagnement/0_Intro.html" class="sidebar-item-text sidebar-link">
  <span class="menu-text">Introduction</span></a>
   </div>
 </li>
diff --git a/III-Deploiements/3_Socle_Production.html b/III-Deploiements/3_Socle_Production.html
index 4c99ed5..ba42e67 100644
--- a/III-Deploiements/3_Socle_Production.html
+++ b/III-Deploiements/3_Socle_Production.html
@@ -159,7 +159,7 @@
       <ul id="quarto-sidebar-section-1" class="collapse list-unstyled sidebar-section depth1 show">  
           <li class="sidebar-item">
   <div class="sidebar-item-container"> 
-  <a href="../I-Accompagnement/0_intro.qmd" class="sidebar-item-text sidebar-link">
+  <a href="../I-Accompagnement/0_Intro.html" class="sidebar-item-text sidebar-link">
  <span class="menu-text">Introduction</span></a>
   </div>
 </li>
diff --git a/III-Deploiements/4_Infras_administrations.html b/III-Deploiements/4_Infras_administrations.html
index 58f57da..7ff2ff6 100644
--- a/III-Deploiements/4_Infras_administrations.html
+++ b/III-Deploiements/4_Infras_administrations.html
@@ -159,7 +159,7 @@
       <ul id="quarto-sidebar-section-1" class="collapse list-unstyled sidebar-section depth1 show">  
           <li class="sidebar-item">
   <div class="sidebar-item-container"> 
-  <a href="../I-Accompagnement/0_intro.qmd" class="sidebar-item-text sidebar-link">
+  <a href="../I-Accompagnement/0_Intro.html" class="sidebar-item-text sidebar-link">
  <span class="menu-text">Introduction</span></a>
   </div>
 </li>
diff --git a/IV-Exemples/2_Classification_accords_entreprise.html b/IV-Exemples/2_Classification_accords_entreprise.html
index f98610a..9f10cbe 100644
--- a/IV-Exemples/2_Classification_accords_entreprise.html
+++ b/IV-Exemples/2_Classification_accords_entreprise.html
@@ -162,7 +162,7 @@
       <ul id="quarto-sidebar-section-1" class="collapse list-unstyled sidebar-section depth1 show">  
           <li class="sidebar-item">
   <div class="sidebar-item-container"> 
-  <a href="../I-Accompagnement/0_intro.qmd" class="sidebar-item-text sidebar-link">
+  <a href="../I-Accompagnement/0_Intro.html" class="sidebar-item-text sidebar-link">
  <span class="menu-text">Introduction</span></a>
   </div>
 </li>
@@ -347,7 +347,7 @@ <h3 class="anchored" data-anchor-id="récupération-des-données">Récupération
 <p>Les données sont disponibles sur <a href="https://www.legifrance.gouv.fr/search/acco?tab_selection=acco&amp;searchField=ALL&amp;query=%2A&amp;searchType=ALL&amp;typePagination=DEFAULT&amp;sortValue=PERTINENCE&amp;pageSize=25&amp;page=1#acco">Légifrance</a>. Le stock des textes est également publié par le <a href="https://echanges.dila.gouv.fr/OPENDATA/ACCO/">FTP de la DILA</a> et les thématiques déclarées sont à la fois dans les métadonnées XML publié conjointement avec les textes, ou retrouvables sur Légifrance.</p>
 <p>Pour des raisons pratiques, nous travaillerons avec une <a href="https://minio.lab.sspcloud.fr/cthiounn2/Accords/10p_accords_publics_et_thematiques_240815.parquet">photographie du stock au 1er semestre 2024</a> et sur un <a href="https://minio.lab.sspcloud.fr/cthiounn2/Accords/10p_accords_publics_et_thematiques_240815_sample_of_1000.parquet">échantillon des 1000 textes d’accords</a>, convertis au format parquet.</p>
 <p>Ces données comportent le numéro de dossier de l’accord, identifiant unique, puis le texte et les thématiques déclarées, et enfin suivies des thématiques une à une :</p>
-<div id="4bcbb52f" class="cell" data-execution_count="1">
+<div id="aedb4258" class="cell" data-execution_count="1">
 <div class="cell-output cell-output-display">
 <div>
 
@@ -416,7 +416,7 @@ <h4 class="anchored" data-anchor-id="lecture-de-données">Lecture de données</h
 jupyter==1.1.1
 ipykernel==6.29.5</code></pre>
 <p>Nous allons dans cet exemple, extraire 10 textes pour des raisons de rapidité :</p>
-<div id="b69548d4" class="cell" data-execution_count="2">
+<div id="d76fdceb" class="cell" data-execution_count="2">
 <div class="sourceCode cell-code" id="cb5"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb5-1"><a href="#cb5-1" aria-hidden="true" tabindex="-1"></a><span class="im">import</span> json</span>
 <span id="cb5-2"><a href="#cb5-2" aria-hidden="true" tabindex="-1"></a><span class="im">import</span> numpy <span class="im">as</span> np</span>
 <span id="cb5-3"><a href="#cb5-3" aria-hidden="true" tabindex="-1"></a><span class="im">import</span> pandas <span class="im">as</span> pd</span>
@@ -445,7 +445,7 @@ <h4 class="anchored" data-anchor-id="lecture-de-données">Lecture de données</h
 <section id="vectoriser-nos-textes-avec-chromadb" class="level4">
 <h4 class="anchored" data-anchor-id="vectoriser-nos-textes-avec-chromadb">Vectoriser nos textes avec ChromaDB</h4>
 <p>Pour vectoriser nos textes, nous utilisons ChromaDB qui s’intègre avec Langchain. Nous allons découper en morceau des 3000 caractères à chaque saut à ligne, ce qui correspond à un paragraphe. Les morceaux de textes, ici paragraphes, sont stockés dans une boutique de vecteur avec le numéro de dossier et le numéro de paragraphe en métadonnées.</p>
-<div id="85260b38" class="cell" data-execution_count="3">
+<div id="2db2fdf6" class="cell" data-execution_count="3">
 <div class="sourceCode cell-code" id="cb6"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb6-1"><a href="#cb6-1" aria-hidden="true" tabindex="-1"></a>text_splitter <span class="op">=</span> CharacterTextSplitter(</span>
 <span id="cb6-2"><a href="#cb6-2" aria-hidden="true" tabindex="-1"></a>    separator<span class="op">=</span><span class="st">"</span><span class="ch">\n\n</span><span class="st">"</span>,</span>
 <span id="cb6-3"><a href="#cb6-3" aria-hidden="true" tabindex="-1"></a>    chunk_size<span class="op">=</span><span class="dv">3000</span>,</span>
@@ -472,7 +472,7 @@ <h4 class="anchored" data-anchor-id="vectoriser-nos-textes-avec-chromadb">Vector
 <section id="interroger-un-llm-en-mode-api" class="level4">
 <h4 class="anchored" data-anchor-id="interroger-un-llm-en-mode-api">Interroger un LLM en mode API</h4>
 <p>Pour interroger le LLM, nous construisons une classe qui permet de générer les requêtes et de traiter les réponses :</p>
-<div id="e155e03e" class="cell" data-execution_count="4">
+<div id="6c09b37f" class="cell" data-execution_count="4">
 <div class="sourceCode cell-code" id="cb7"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb7-1"><a href="#cb7-1" aria-hidden="true" tabindex="-1"></a>MODEL<span class="op">=</span><span class="st">"llama3.1"</span></span>
 <span id="cb7-2"><a href="#cb7-2" aria-hidden="true" tabindex="-1"></a></span>
 <span id="cb7-3"><a href="#cb7-3" aria-hidden="true" tabindex="-1"></a></span>
@@ -493,7 +493,7 @@ <h4 class="anchored" data-anchor-id="interroger-un-llm-en-mode-api">Interroger u
 <span id="cb7-18"><a href="#cb7-18" aria-hidden="true" tabindex="-1"></a>    llm <span class="op">=</span> LocalOllamaLLM(api_url<span class="op">=</span><span class="st">"http://127.0.0.1:11434"</span>)</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
 </div>
 <p>Nous définissons également un prompt de base, améliorable par la suite, et une chaîne LangChain entre le prompt et le LLM :</p>
-<div id="9c6fb17a" class="cell" data-execution_count="5">
+<div id="13501ccf" class="cell" data-execution_count="5">
 <div class="sourceCode cell-code" id="cb8"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb8-1"><a href="#cb8-1" aria-hidden="true" tabindex="-1"></a>system_prompt <span class="op">=</span> (</span>
 <span id="cb8-2"><a href="#cb8-2" aria-hidden="true" tabindex="-1"></a>    <span class="st">" Répondez à la question posée "</span></span>
 <span id="cb8-3"><a href="#cb8-3" aria-hidden="true" tabindex="-1"></a>    <span class="st">" Utilisez le contexte (sélection des meilleurs paragraphes liés à la question) donné pour répondre à la question "</span></span>
@@ -510,7 +510,7 @@ <h4 class="anchored" data-anchor-id="interroger-un-llm-en-mode-api">Interroger u
 <span id="cb8-14"><a href="#cb8-14" aria-hidden="true" tabindex="-1"></a>question_answer_chain <span class="op">=</span> create_stuff_documents_chain(llm, prompt)</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
 </div>
 <p>Nous définissons une fonction pour effectuer le RAG, avec à la fois la recherche de similarité par rapport à la question, et la soumission augmentée pour une réponse du LLM :</p>
-<div id="2ca6c6d1" class="cell" data-execution_count="6">
+<div id="0a138ce9" class="cell" data-execution_count="6">
 <div class="sourceCode cell-code" id="cb9"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb9-1"><a href="#cb9-1" aria-hidden="true" tabindex="-1"></a><span class="kw">def</span> search_and_invoke_llm(vector_store,index,query,k<span class="op">=</span><span class="dv">5</span>):</span>
 <span id="cb9-2"><a href="#cb9-2" aria-hidden="true" tabindex="-1"></a>    <span class="cf">if</span> k<span class="op">==</span><span class="dv">0</span>:</span>
 <span id="cb9-3"><a href="#cb9-3" aria-hidden="true" tabindex="-1"></a>        <span class="bu">print</span>(<span class="ss">f"bug with </span><span class="sc">{</span>index<span class="sc">}</span><span class="ss">"</span>)</span>
@@ -535,7 +535,7 @@ <h4 class="anchored" data-anchor-id="interroger-un-llm-en-mode-api">Interroger u
 <section id="automatiser-la-classification-sur-lensemble-des-thématiques" class="level4">
 <h4 class="anchored" data-anchor-id="automatiser-la-classification-sur-lensemble-des-thématiques">Automatiser la classification sur l’ensemble des thématiques</h4>
 <p>Nous automatisons ici la classification sous forme de classification binaire pour chaque thématique, en posant une question “oui ou non” et en inférant oui si la réponse commence par oui, non sinon.</p>
-<div id="6cb9e675" class="cell" data-execution_count="7">
+<div id="a43f233e" class="cell" data-execution_count="7">
 <div class="sourceCode cell-code" id="cb10"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb10-1"><a href="#cb10-1" aria-hidden="true" tabindex="-1"></a>THEMATIQUES<span class="op">=</span>{</span>
 <span id="cb10-2"><a href="#cb10-2" aria-hidden="true" tabindex="-1"></a>    <span class="st">"accord_methode_penibilite"</span>:<span class="st">"Accords de méthode (pénibilité)"</span>,</span>
 <span id="cb10-3"><a href="#cb10-3" aria-hidden="true" tabindex="-1"></a><span class="st">"accord_methode_pse"</span>:<span class="st">"Accords de méthode (PSE)"</span>,</span>
@@ -626,7 +626,7 @@ <h4 class="anchored" data-anchor-id="automatiser-la-classification-sur-lensemble
 <section id="evaluation" class="level3">
 <h3 class="anchored" data-anchor-id="evaluation">Evaluation</h3>
 <p>Nous évaluons les performances de cette solution simple, en affichant la matrice de confusion et les différentes métriques, pour chaque thématique :</p>
-<div id="72c8c143" class="cell" data-execution_count="8">
+<div id="965f25eb" class="cell" data-execution_count="8">
 <div class="sourceCode cell-code" id="cb11"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb11-1"><a href="#cb11-1" aria-hidden="true" tabindex="-1"></a><span class="im">import</span> numpy <span class="im">as</span> np</span>
 <span id="cb11-2"><a href="#cb11-2" aria-hidden="true" tabindex="-1"></a><span class="im">from</span> sklearn.metrics <span class="im">import</span> confusion_matrix</span>
 <span id="cb11-3"><a href="#cb11-3" aria-hidden="true" tabindex="-1"></a><span class="im">from</span> sklearn.metrics <span class="im">import</span> accuracy_score, precision_score, recall_score, f1_score, classification_report</span>
diff --git a/Reste_a_faire.html b/Reste_a_faire.html
index 2f73584..46b650c 100644
--- a/Reste_a_faire.html
+++ b/Reste_a_faire.html
@@ -127,7 +127,7 @@
       <ul id="quarto-sidebar-section-1" class="collapse list-unstyled sidebar-section depth1 show">  
           <li class="sidebar-item">
   <div class="sidebar-item-container"> 
-  <a href="./I-Accompagnement/0_intro.qmd" class="sidebar-item-text sidebar-link">
+  <a href="./I-Accompagnement/0_Intro.html" class="sidebar-item-text sidebar-link">
  <span class="menu-text">Introduction</span></a>
   </div>
 </li>
diff --git a/index.html b/index.html
index 9a98241..0af0898 100644
--- a/index.html
+++ b/index.html
@@ -125,7 +125,7 @@
       <ul id="quarto-sidebar-section-1" class="collapse list-unstyled sidebar-section depth1 show">  
           <li class="sidebar-item">
   <div class="sidebar-item-container"> 
-  <a href="./I-Accompagnement/0_intro.qmd" class="sidebar-item-text sidebar-link">
+  <a href="./I-Accompagnement/0_Intro.html" class="sidebar-item-text sidebar-link">
  <span class="menu-text">Introduction</span></a>
   </div>
 </li>
diff --git a/notebooks/10p_RAG_OLLAMA.html b/notebooks/10p_RAG_OLLAMA.html
index 02795ee..48ecfa9 100644
--- a/notebooks/10p_RAG_OLLAMA.html
+++ b/notebooks/10p_RAG_OLLAMA.html
@@ -161,7 +161,7 @@
       <ul id="quarto-sidebar-section-1" class="collapse list-unstyled sidebar-section depth1 show">  
           <li class="sidebar-item">
   <div class="sidebar-item-container"> 
-  <a href="../I-Accompagnement/0_intro.qmd" class="sidebar-item-text sidebar-link">
+  <a href="../I-Accompagnement/0_Intro.html" class="sidebar-item-text sidebar-link">
  <span class="menu-text">Introduction</span></a>
   </div>
 </li>
diff --git a/notebooks/autres/parse_llama31_results.html b/notebooks/autres/parse_llama31_results.html
index ed36b93..0579667 100644
--- a/notebooks/autres/parse_llama31_results.html
+++ b/notebooks/autres/parse_llama31_results.html
@@ -161,7 +161,7 @@
       <ul id="quarto-sidebar-section-1" class="collapse list-unstyled sidebar-section depth1 show">  
           <li class="sidebar-item">
   <div class="sidebar-item-container"> 
-  <a href="../../I-Accompagnement/0_intro.qmd" class="sidebar-item-text sidebar-link">
+  <a href="../../I-Accompagnement/0_Intro.html" class="sidebar-item-text sidebar-link">
  <span class="menu-text">Introduction</span></a>
   </div>
 </li>
diff --git a/search.json b/search.json
index 6991220..3071a93 100644
--- a/search.json
+++ b/search.json
@@ -450,13 +450,21 @@
     "href": "I-Accompagnement/0_Intro.html",
     "title": "Guide d'installation des LLM",
     "section": "",
-    "text": "Les Large Language Models sont des algorithmes d’intelligence artificielle conçus pour exploiter des documents non structurés (corpus de textes). Ils permettent d’en extraire des informations utiles ou de générer de nouvelles informations à partir de cette base documentaires (par exemple : répondre à des questions, résumer un texte, traduire, etc.).\n\n\nDans ce contexte, les documents forment les observations statistiques considérées (équivalent aux « individus » en statistique) et leur ensemble forme un corpus (équivalent à une « population »). Dans certains cas, les documents sont découpés en paragraphes qui forment les observations statistiques. Les mots ou les chaînes de caractères extraîts des documents jouent le rôle des variables.\nPour analyser un corpus, chaque document est représenté sous forme d’un vecteur et le corpus entier sous forme d’une matrice, où les lignes correspondent aux et les colonnes représentent les mots ou les chaînes de caractères.\n\n\n\nLes matrices en résultantes sont potentiellement d’une très grande dimension (nombre de mots/chaînes de caractères utilisés dans le corpus en colonnes), et en même temps creuses (les mots/chaînes de caractères employés dans le corpus peuvent être utilisés uniquement dans quelques documents du corpus).\n\n\n\nAprès l’importation d’un corpus de textes, la première étape consiste en une phase de prétraitement visant à réduire la dimension de cette matrice et à en améliorer la pertinence. Cela inclut : - nettoyer les données : supprimer la ponctuation, mots usuels n’apportant pas d’information, etc.) - lemmatiser ou raciniser : simplifier des mots en gardant que leur racine commune (par example : garder exclusivement « finan » pour les mots « financer », « financier », « financement », …), - utiliser des techniques comme l’analyse en composantes principales (ACP) ou Term Frequency-Inverse Document Frequency (TF-IDF)\n\n\n\nL’utilisation d’outils de machine learning sur la matrice de dimension plus réduite ainsi obtenue permet - de comparer les documents pour analyser la similarité ou la distance entre eux - d’identifier des thèmes abordés dans le corpus - de classer et catégoriser les documents en fonction de thématiques - de filtrer les contenus ou de produire des statistiques pour comprendre la répartition des sujets dans l’ensemble des textes.\nAinsi, les Large Language Models nous permettent de traiter, d’interpréter et de valoriser les données textuelles de manière automatisée et à grande échelle."
+    "text": "Les Large Language Models sont des algorithmes d’intelligence artificielle conçus pour exploiter des documents non structurés (corpus de textes). Ils permettent d’en extraire des informations utiles ou de générer de nouvelles informations à partir de cette base documentaires (par exemple : répondre à des questions, résumer un texte, traduire, etc.).\n\n\nDans ce contexte, les documents forment les observations statistiques considérées (équivalent aux « individus » en statistique) et leur ensemble forme un corpus (équivalent à une « population »). Dans certains cas, les documents sont découpés en paragraphes qui forment les observations statistiques. Les mots ou les chaînes de caractères extraîts des documents jouent le rôle des variables.\nPour analyser un corpus, chaque document est représenté sous forme d’un vecteur et le corpus entier sous forme d’une matrice, où les lignes correspondent aux et les colonnes représentent les mots ou les chaînes de caractères.\n\n\n\nLes matrices en résultantes sont potentiellement d’une très grande dimension (nombre de mots/chaînes de caractères utilisés dans le corpus en colonnes), et en même temps creuses (les mots/chaînes de caractères employés dans le corpus peuvent être utilisés uniquement dans quelques documents du corpus).\n\n\n\nAprès l’importation d’un corpus de textes, la première étape consiste en une phase de prétraitement visant à réduire la dimension de cette matrice et à en améliorer la pertinence. Cela inclut : - nettoyer les données : supprimer la ponctuation, mots usuels n’apportant pas d’information, etc.) - lemmatiser ou raciniser : simplifier des mots en gardant que leur racine commune (par example : garder exclusivement « finan » pour les mots « financer », « financier », « financement », …), - utiliser des techniques comme l’analyse en composantes principales (ACP) ou Term Frequency-Inverse Document Frequency (TF-IDF)\n\n\n\nL’utilisation d’outils de machine learning sur la matrice de dimension plus réduite ainsi obtenue permet - de comparer les documents pour analyser la similarité ou la distance entre eux - d’identifier des thèmes abordés dans le corpus - de classer et catégoriser les documents en fonction de thématiques - de filtrer les contenus ou de produire des statistiques pour comprendre la répartition des sujets dans l’ensemble des textes.\nAinsi, les Large Language Models nous permettent de traiter, d’interpréter et de valoriser les données textuelles de manière automatisée et à grande échelle.",
+    "crumbs": [
+      "I-Accompagnement",
+      "Introduction"
+    ]
   },
   {
     "objectID": "I-Accompagnement/0_Intro.html#introduction-aux-large-language-models-llm",
     "href": "I-Accompagnement/0_Intro.html#introduction-aux-large-language-models-llm",
     "title": "Guide d'installation des LLM",
     "section": "",
-    "text": "Les Large Language Models sont des algorithmes d’intelligence artificielle conçus pour exploiter des documents non structurés (corpus de textes). Ils permettent d’en extraire des informations utiles ou de générer de nouvelles informations à partir de cette base documentaires (par exemple : répondre à des questions, résumer un texte, traduire, etc.).\n\n\nDans ce contexte, les documents forment les observations statistiques considérées (équivalent aux « individus » en statistique) et leur ensemble forme un corpus (équivalent à une « population »). Dans certains cas, les documents sont découpés en paragraphes qui forment les observations statistiques. Les mots ou les chaînes de caractères extraîts des documents jouent le rôle des variables.\nPour analyser un corpus, chaque document est représenté sous forme d’un vecteur et le corpus entier sous forme d’une matrice, où les lignes correspondent aux et les colonnes représentent les mots ou les chaînes de caractères.\n\n\n\nLes matrices en résultantes sont potentiellement d’une très grande dimension (nombre de mots/chaînes de caractères utilisés dans le corpus en colonnes), et en même temps creuses (les mots/chaînes de caractères employés dans le corpus peuvent être utilisés uniquement dans quelques documents du corpus).\n\n\n\nAprès l’importation d’un corpus de textes, la première étape consiste en une phase de prétraitement visant à réduire la dimension de cette matrice et à en améliorer la pertinence. Cela inclut : - nettoyer les données : supprimer la ponctuation, mots usuels n’apportant pas d’information, etc.) - lemmatiser ou raciniser : simplifier des mots en gardant que leur racine commune (par example : garder exclusivement « finan » pour les mots « financer », « financier », « financement », …), - utiliser des techniques comme l’analyse en composantes principales (ACP) ou Term Frequency-Inverse Document Frequency (TF-IDF)\n\n\n\nL’utilisation d’outils de machine learning sur la matrice de dimension plus réduite ainsi obtenue permet - de comparer les documents pour analyser la similarité ou la distance entre eux - d’identifier des thèmes abordés dans le corpus - de classer et catégoriser les documents en fonction de thématiques - de filtrer les contenus ou de produire des statistiques pour comprendre la répartition des sujets dans l’ensemble des textes.\nAinsi, les Large Language Models nous permettent de traiter, d’interpréter et de valoriser les données textuelles de manière automatisée et à grande échelle."
+    "text": "Les Large Language Models sont des algorithmes d’intelligence artificielle conçus pour exploiter des documents non structurés (corpus de textes). Ils permettent d’en extraire des informations utiles ou de générer de nouvelles informations à partir de cette base documentaires (par exemple : répondre à des questions, résumer un texte, traduire, etc.).\n\n\nDans ce contexte, les documents forment les observations statistiques considérées (équivalent aux « individus » en statistique) et leur ensemble forme un corpus (équivalent à une « population »). Dans certains cas, les documents sont découpés en paragraphes qui forment les observations statistiques. Les mots ou les chaînes de caractères extraîts des documents jouent le rôle des variables.\nPour analyser un corpus, chaque document est représenté sous forme d’un vecteur et le corpus entier sous forme d’une matrice, où les lignes correspondent aux et les colonnes représentent les mots ou les chaînes de caractères.\n\n\n\nLes matrices en résultantes sont potentiellement d’une très grande dimension (nombre de mots/chaînes de caractères utilisés dans le corpus en colonnes), et en même temps creuses (les mots/chaînes de caractères employés dans le corpus peuvent être utilisés uniquement dans quelques documents du corpus).\n\n\n\nAprès l’importation d’un corpus de textes, la première étape consiste en une phase de prétraitement visant à réduire la dimension de cette matrice et à en améliorer la pertinence. Cela inclut : - nettoyer les données : supprimer la ponctuation, mots usuels n’apportant pas d’information, etc.) - lemmatiser ou raciniser : simplifier des mots en gardant que leur racine commune (par example : garder exclusivement « finan » pour les mots « financer », « financier », « financement », …), - utiliser des techniques comme l’analyse en composantes principales (ACP) ou Term Frequency-Inverse Document Frequency (TF-IDF)\n\n\n\nL’utilisation d’outils de machine learning sur la matrice de dimension plus réduite ainsi obtenue permet - de comparer les documents pour analyser la similarité ou la distance entre eux - d’identifier des thèmes abordés dans le corpus - de classer et catégoriser les documents en fonction de thématiques - de filtrer les contenus ou de produire des statistiques pour comprendre la répartition des sujets dans l’ensemble des textes.\nAinsi, les Large Language Models nous permettent de traiter, d’interpréter et de valoriser les données textuelles de manière automatisée et à grande échelle.",
+    "crumbs": [
+      "I-Accompagnement",
+      "Introduction"
+    ]
   }
 ]
\ No newline at end of file
diff --git a/sitemap.xml b/sitemap.xml
index 87c3afe..7e02389 100644
--- a/sitemap.xml
+++ b/sitemap.xml
@@ -2,78 +2,78 @@
 <urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
   <url>
     <loc>https://etalab.github.io/programme10pourcent-kallm/IV-Exemples/2_Classification_accords_entreprise.html</loc>
-    <lastmod>2024-11-19T13:49:10.219Z</lastmod>
+    <lastmod>2024-11-19T13:54:00.027Z</lastmod>
   </url>
   <url>
     <loc>https://etalab.github.io/programme10pourcent-kallm/I-Accompagnement/2_Acculturation.html</loc>
-    <lastmod>2024-11-19T13:49:10.215Z</lastmod>
+    <lastmod>2024-11-19T13:54:00.023Z</lastmod>
   </url>
   <url>
     <loc>https://etalab.github.io/programme10pourcent-kallm/I-Accompagnement/3_Impacts.html</loc>
-    <lastmod>2024-11-19T13:49:10.215Z</lastmod>
+    <lastmod>2024-11-19T13:54:00.023Z</lastmod>
   </url>
   <url>
     <loc>https://etalab.github.io/programme10pourcent-kallm/II-Developpements/4_Evaluations.html</loc>
-    <lastmod>2024-11-19T13:49:10.219Z</lastmod>
+    <lastmod>2024-11-19T13:54:00.027Z</lastmod>
   </url>
   <url>
     <loc>https://etalab.github.io/programme10pourcent-kallm/II-Developpements/0_Introduction.html</loc>
-    <lastmod>2024-11-19T13:49:10.219Z</lastmod>
+    <lastmod>2024-11-19T13:54:00.023Z</lastmod>
   </url>
   <url>
     <loc>https://etalab.github.io/programme10pourcent-kallm/II-Developpements/3_RAG.html</loc>
-    <lastmod>2024-11-19T13:49:10.219Z</lastmod>
+    <lastmod>2024-11-19T13:54:00.023Z</lastmod>
   </url>
   <url>
     <loc>https://etalab.github.io/programme10pourcent-kallm/notebooks/10p_RAG_OLLAMA.html</loc>
-    <lastmod>2024-11-19T13:49:10.235Z</lastmod>
+    <lastmod>2024-11-19T13:54:00.039Z</lastmod>
   </url>
   <url>
     <loc>https://etalab.github.io/programme10pourcent-kallm/III-Deploiements/1_Socle_minimal.html</loc>
-    <lastmod>2024-11-19T13:49:10.219Z</lastmod>
+    <lastmod>2024-11-19T13:54:00.027Z</lastmod>
   </url>
   <url>
     <loc>https://etalab.github.io/programme10pourcent-kallm/III-Deploiements/3_Socle_Production.html</loc>
-    <lastmod>2024-11-19T13:49:10.219Z</lastmod>
+    <lastmod>2024-11-19T13:54:00.027Z</lastmod>
   </url>
   <url>
     <loc>https://etalab.github.io/programme10pourcent-kallm/Reste_a_faire.html</loc>
-    <lastmod>2024-11-19T13:49:10.219Z</lastmod>
+    <lastmod>2024-11-19T13:54:00.027Z</lastmod>
   </url>
   <url>
     <loc>https://etalab.github.io/programme10pourcent-kallm/III-Deploiements/2_Socle_avance.html</loc>
-    <lastmod>2024-11-19T13:49:10.219Z</lastmod>
+    <lastmod>2024-11-19T13:54:00.027Z</lastmod>
   </url>
   <url>
     <loc>https://etalab.github.io/programme10pourcent-kallm/III-Deploiements/4_Infras_administrations.html</loc>
-    <lastmod>2024-11-19T13:49:10.219Z</lastmod>
+    <lastmod>2024-11-19T13:54:00.027Z</lastmod>
   </url>
   <url>
     <loc>https://etalab.github.io/programme10pourcent-kallm/Bibliographie.html</loc>
-    <lastmod>2024-11-19T13:49:10.215Z</lastmod>
+    <lastmod>2024-11-19T13:54:00.023Z</lastmod>
   </url>
   <url>
     <loc>https://etalab.github.io/programme10pourcent-kallm/notebooks/autres/parse_llama31_results.html</loc>
-    <lastmod>2024-11-19T13:49:10.235Z</lastmod>
+    <lastmod>2024-11-19T13:54:00.039Z</lastmod>
   </url>
   <url>
     <loc>https://etalab.github.io/programme10pourcent-kallm/II-Developpements/1_Anatomie_LLM.html</loc>
-    <lastmod>2024-11-19T13:49:10.219Z</lastmod>
+    <lastmod>2024-11-19T13:54:00.023Z</lastmod>
   </url>
   <url>
     <loc>https://etalab.github.io/programme10pourcent-kallm/II-Developpements/2_Utilisation_LLM.html</loc>
-    <lastmod>2024-11-19T13:49:10.219Z</lastmod>
+    <lastmod>2024-11-19T13:54:00.023Z</lastmod>
   </url>
   <url>
     <loc>https://etalab.github.io/programme10pourcent-kallm/index.html</loc>
-    <lastmod>2024-11-19T13:49:10.231Z</lastmod>
+    <lastmod>2024-11-19T13:54:00.039Z</lastmod>
   </url>
   <url>
     <loc>https://etalab.github.io/programme10pourcent-kallm/I-Accompagnement/1_cas_usage.html</loc>
-    <lastmod>2024-11-19T13:49:10.215Z</lastmod>
+    <lastmod>2024-11-19T13:54:00.023Z</lastmod>
   </url>
   <url>
     <loc>https://etalab.github.io/programme10pourcent-kallm/I-Accompagnement/0_Intro.html</loc>
-    <lastmod>2024-11-19T13:49:10.215Z</lastmod>
+    <lastmod>2024-11-19T13:54:00.023Z</lastmod>
   </url>
 </urlset>