diff --git a/src/tests/flop20_water_quality.py b/src/tests/flop20_water_quality.py
index 59655bc2a7526e94fc1db1863f22ea3fae4eb7f7..17a5e9e60cac6689c95b25efb9f73c48f0235498 100644
--- a/src/tests/flop20_water_quality.py
+++ b/src/tests/flop20_water_quality.py
@@ -1,19 +1,18 @@
+# Fonction d'exploration de nos premiers résultats : donne les 20 scores les plus faibles pour un score choisi et une année choisie
+# Nous a servi pour analyser nos résultats de score et leur cohérence par rapport à ce qu'on pouvait 
+# trouver en ligne concernant des zones où l'eau est reconnue comme de mauvaise qualité 
+# (ex : Marne reconnue comme mauvaise à cause d'énormes quantités de pesticides, Cf. présentation et article de presse)
+# Nous a également servi à améliorer et affiner notre calcul du score
+
+
 import pandas as pd
 
-# Charger le fichier des scores
 fichier_scores = "data/processed/water_scores_2021.csv"
 df = pd.read_csv(fichier_scores)
-
-# Vérifier si la colonne "score_global" existe
-if "score_global" not in df.columns:
-    raise ValueError("La colonne 'score_global' est absente. Vérifiez que le score global est bien calculé.")
-
-# Trier par score global croissant et sélectionner les 20 plus faibles
-df_lowest = df.nsmallest(20, "score_global")
-
-# Afficher le résultat
+df_lowest = df.nsmallest(20, "score_global") # à modifier en fonction du score que l'on veut étudier
 print(df_lowest)
 
-# Enregistrer le résultat dans un fichier CSV
-df_lowest.to_csv("data/processed/water_20_lowest_scores.csv", index=False)
-print("Les 20 lignes avec les plus faibles scores ont été enregistrées dans 'data/processed/water_20_lowest_scores.csv'.")
+# -- code ci dessous à décommenter si on veut enregistrer le résultats dans un csv (plus simple à lire) --
+
+#df_lowest.to_csv("data/processed/water_2021_flop_20.csv", index=False) 
+#print("Fichier enregistré.")