A few more fixes at the beginning of the Classification chapt.

Classification/Models.md

@@ -2,7 +2,7 @@
 
 Cette première section présente l'étude comparative menée pour choisir un modèle
 de classification, en commençant par exposer la démarche suivie avant de décrire
-son implémentation (sous-section \ref{sec:comparison_preparation}. La dernière
+son implémentation (sous-section \ref{sec:comparison_preparation}). La dernière
 sous-section (\ref{sec:classifier_benchmark}) présente les résultats obtenus et
 discute leur signification tout en gardant à l'esprit le fait que les
 performances obtenues par les différentes méthodes présentées ne rejoignent pas
@@ -39,8 +39,8 @@ parfois en des articles distincts (au sens de sa numérotation à 2 niveaux: tom
 et rang de l'article) là où l'[@=ENCCRE] en fait des sous-entrées distinctes au
 sein d'un même article (ses textes possèdent des identifiants à 3 niveaux, un
 numéro d'entrée venant s'ajouter au numéro d'article). Par conséquent, seuls
-69 531 ont pu être appairés sur les 74 190 au total présents dans la version de
-l'œuvre étudiée.
+69 531 articles ont pu être appairés entre ces deux sources sur les 74 190 au
+total présents dans la version de l'œuvre étudiée.
 
 Pour cette raison certains articles sans désignant marqué typographiquement
 possèdent un domaine (inféré par l'[@=ENCCRE] d'expressions telles que «en
@@ -104,7 +104,7 @@ remarques, les combinaisons testées sont les suivantes:
 3. Une vectorisation utilisant un plongement de mots statique (*FastText\[fr\]*)
    et des algorithmes d'AP (*CNN* et *BiLSTM*);
 
-4. Une approche toute-en-un utilisant des modèles de langue contextuels
+4. Une approche tout-en-un utilisant des modèles de langue contextuels
    pré-entraînés (*BERT*, *CamemBERT*) dont les poids sont réajustés à la tâche
    dont il est question (*fine-tuning*).