diff --git a/README.md b/README.md
index 31b043815d8e1a0c7239b51b529e0485c5efadbd..41fc220d0b82f206a9e4051be5e082a7b736e35b 100644
--- a/README.md
+++ b/README.md
@@ -12,9 +12,9 @@ Ce dépôt contient le code développée pour une étude comparative de diffé
 Nos expérimentations concernent l’étude de différentes approches de classification com- prenant deux étapes principales : la vectorisation et la classification supervisée. Nous avons testé et comparé les différentes combinaisons suivantes :
 
 1. vectorisation en sac de mots et apprentissage automatique classique (Naive Bayes, Lo- gistic regression, Random Forest, SVM et SGD) ;
-2. vectorisationenplongementdemotsstatiques(Doc2Vec)etapprentissageautomatique classique (Logistic regression, Random Forest, SVM et SGD) ;
-3. vectorisationenplongementdemotsstatiques(FastText)etapprentissageprofond(CNN et LSTM) ;
-4. approche*end-to-end*utilisantunmodèledelanguepré-entraîné(BERT,CamemBERT) et une technique de *fine-tuning* pour adapter le modèle sur notre tâche de classification.
+2. vectorisation en plongement de mots statiques (Doc2Vec) et apprentissage automatique classique (Logistic regression, Random Forest, SVM et SGD) ;
+3. vectorisation en plongement de mots statiques (FastText) et apprentissage profond (CNN et LSTM) ;
+4. approche *end-to-end* utilisant un modèle de langue pré-entraîné (BERT,CamemBERT) et une technique de *fine-tuning* pour adapter le modèle sur notre tâche de classification.