diff --git a/README.md b/README.md
index be48bc8a9fb9e0e224ec4e2339b3bc0b84b9a68e..f43c48b510c0c95846e116145ea804176532dbf3 100644
--- a/README.md
+++ b/README.md
@@ -51,9 +51,9 @@ Pour améliorer la génération d'images et éviter les ambiguïtés entre certa
 | **cGAN avec Discriminateur Multi-Class** | Le générateur produit des chiffres conditionnés sur le label, et le discriminateur apprend à classifier les images dans une des 10 catégories de chiffres ou comme fausses. | Améliore la qualité des images générées et réduit l’ambiguïté entre les chiffres. |
 
 #### Exemples d'images générées de numéro (3) par le cGAN avec Discriminateur (real/fake) :
-![images d'exemples de chiffres générés par le DCGAN](images/generated_mnist_num3_1.png)
+![images d'exemples de chiffres générés par le DCGAN](images/generated_mnist_num3_1_.png)
 #### Exemples d'images générées de numéro (3) par le cGAN avec Discriminateur Multi-Class :
-![images d'exemples de chiffres générés par le DCGAN](images/generated_mnist_num3_2.png)
+![images d'exemples de chiffres générés par le DCGAN](images/generated_mnist_num3_2_.png)
 
 ## Conclusion
 - Les GANs permettent de générer des chiffres manuscrits réalistes.