diff --git a/cnam/travaux/probatoire/document.bib b/cnam/travaux/probatoire/document.bib
index bcc2b5c..2223576 100644
--- a/cnam/travaux/probatoire/document.bib
+++ b/cnam/travaux/probatoire/document.bib
@@ -71,6 +71,14 @@ publisher = "O'Reilly",
 pages     = "164",
 }
 
+@phdthesis{large-scale,
+author    = "Antoine Bordes",
+title     = "New Algorithms for Large-Scale SVM",
+year      = "2010",
+school    = "Université Paris VI",
+}
+
+
 @book{csdd,
 author    = "Jean Beney",
 title     = "Classification supervisée de documents : théorie et pratique",
diff --git a/cnam/travaux/probatoire/document/analysis.tex b/cnam/travaux/probatoire/document/analysis.tex
index 611a748..7fa2e6d 100644
--- a/cnam/travaux/probatoire/document/analysis.tex
+++ b/cnam/travaux/probatoire/document/analysis.tex
@@ -7,7 +7,10 @@
 de petits changements dans les données impactent peu les \glspl{hpp}}
 \item{ce même modèle peut être utilisé à la fois pour\\
 résoudre des problèmes de régression ou de classification}
-\item{très efficace avec une marge de séparation nette}
+\item{est une alternative aux réseaux de neurones,\\
+dans le cas de \glspl{ds} de taille réduite}
+\item{très précis avec une marge de séparation nette}
+\item{peut capturer des relations complexes dans des \glspl{ds}}
 \item{fonctionne avec un grand nombres d’espaces dimensionnels}
 \item{reste pertinent même avec plus de dimensions que d’éléments}
 \item{capacité de régularisation pour rester générique,\\
@@ -19,6 +22,8 @@ par l’intermédiaire de différentes \glspl{kf}}
 \item{une variété de \glspl{kf} existe pour les fonctions de décision}
 \item{il est possible de combiner plusieurs \glspl{kf},\\
 pour pouvoir travailler avec des \glspl{hpp} plus complexes}
+\item{pendant longtemps considéré inadapté aux très grands \glspl{ds},\\
+de nouveaux algorithmes ont été mis à contribution depuis \cite{large-scale}}
 \end{itmz}
 
 \subsection{Inconvénients}
@@ -29,7 +34,8 @@ et peut facilement mener à un trop grand nombre de \glspl{sv}}
 \item{la mémoire nécessaire augmente avec le nombre de \glspl{sv},\\
 car ces derniers doivent y être intégralement stockés}
 \item{le temps d’entraînement augmente avec le nombre d’éléments}
-\item{les calculs de probabilité de justesse sont très coûteux}
+\item{les calculs de probabilité de justesse sont très coûteux,\\
+nécessitant une validation croisée en plusieurs étapes}
 \item{les modèles sont difficilement interprétables par des humains,\\
 contrairement par exemple aux arbres de décisions}
 \item{effet boîte noire si compréhension insuffisante des outils mathématiques}
@@ -38,7 +44,8 @@ contrairement par exemple aux arbres de décisions}
 \subsection{Limitations}
 
 \begin{itmz}
-\item{fonctionne mal quand des classes se recouvrent}
+\item{fonctionne mal quand des classes se recouvrent, car\\
+plusieurs paramètres varient, contrairement à d’autres méthodes}
 \item{une normalisation préalable des données est nécessaire,\\
 pour que les fonctions objectifs restent pertinentes}
 \end{itmz}