diff --git a/content/posts/ml-x-cybersecurite-analyse-url.md b/content/posts/ml-x-cybersecurite-analyse-url.md
index 3c1d05d..4d416c4 100644
--- a/content/posts/ml-x-cybersecurite-analyse-url.md
+++ b/content/posts/ml-x-cybersecurite-analyse-url.md
@@ -111,8 +111,8 @@ Et un exemple des labels associés `y` :
 ```python
 [
     0, # signifie "légitime"
-    0, # signifie "malveillante"
-    1,
+    0,
+    1, # signifie "malveillante"
     ...
 ]
 ```
@@ -201,4 +201,4 @@ Il faut également faire attention au **surapprentissage**. Cela intervient lors
 
 Enfin, et c'est peut-être là le plus important, les modèles de *Machine Learning* restent des **outils**. Cela peut paraître trivial, mais ça va mieux en le disant. Il faut adopter une approche critique de leurs résultats, comprendre leurs fonctionnement pour mieux appréhender leurs limites et cas d'usages.
 
-Le *Machine Learning* n'a rien de magique ni de mystérieux, cela va de soit en le disant. Néanmoins, même si le fonctionnement est parfois obscur et l'explicabilité des résultats complexe, ces modèles restent des **modèles statistiques**, avec toutes les limitations et la puissance qu'on leur connaît.
\ No newline at end of file
+Le *Machine Learning* n'a rien de magique ni de mystérieux, cela va de soit en le disant. Néanmoins, même si le fonctionnement est parfois obscur et l'explicabilité des résultats complexe, ces modèles restent des **modèles statistiques**, avec toutes les limitations et la puissance qu'on leur connaît.