diff --git a/Rapport.ipynb b/Rapport.ipynb
index 1f3adfbb9124ae5549727689537896061fc978dc..2f0efc91c5bacd7a670c7cb552bfc23411d95a90 100644
--- a/Rapport.ipynb
+++ b/Rapport.ipynb
@@ -389,12 +389,21 @@
     "    plt.show()"
    ]
   },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "from IPython.display import display, Image\n",
+    "display(Image(filename=\"result/knn_1_20_valid_10test.png\"))"
+   ]
+  },
   {
    "cell_type": "markdown",
    "metadata": {},
    "source": [
     "<p><img alt=\"Image\" title=\"icon\" src=\"result/knn_1_20_valid_10test.png\" /></p>\n",
-    "![result/knn_1_20_valid_10test.png](result/knn_1_20_valid_10test.png)\n",
     "\n",
     "<p>On remarque une chute à k=2, cette chute est due à l'introduction d'un nouveau label parmi les choix possibles. L'algorithme développé ne traite pas la situation où dans ses k plus proches voisins, deux labels apparaissent le même nombre de fois, et il choisit naturellement le plus petit des deux.</p>\n",
     "<p>Pour réduire les erreurs lorsque deux labels apparaissent le même nombre de fois parmi les k plus proches voisins, l'algorithme ci-dessous choisira celui des deux dont la somme des distances est la plus petite.</p>"