Académique Documents
Professionnel Documents
Culture Documents
i=1
N
X
i
est une varia(le al!atoire assimila(le , une gaussienne pour N
su""isamment grand dNaprs le th!orme de la limite centrale*
m=lim
N -
S
N
N
est la mo5enne des K
i
pour un nom(re d&essais in"ini* CNest aussi la
pro(a(ilit! dNavoir un succs* Mn pose donc m = p*
Mn a aussi 9 var ( X
i
)=E| X
i
2
E| X
i
2
==
2
(1p)+1
2
pm
2
=p(1p)=c
2
Et tou-ours dNaprs le th!orme de la limite centrale on a 9
E| S
N
=Np et var ( S
N
)=Np(1p)
'stimateur de la moyenne $
Cependant puis%ue nous ne pouvons "aire %u&un nom(re "ini dNexp!riences 2N "ini4
nous ne pouvons avoir accs , p et
2
%uN, travers d&estimateurs 9
Soit m' =p' =
S
N
N
un estimateur de la mo5enne de K
i
*
m' est aussi une varia(le al!atoire nous pouvons ainsi exprimer 9
E| m' =
S
N
c
m'
2
=
p(1p)
N
Notre estimateur est donc non (iais! car lim
N -
E| m' =m et
lim
N -
c
m'
2
==
D
Sentiment d'tre observ
&nter(alle de confiance de la moyenne $
Mn note t
u
le pourcentile de la valeur u pour la densit! de Student3t c&est , dire %ue
S (t
u
)=u avec S la "onction de r!partition*
+a variance var ( X
i
)=c
2
n&est en "ait %ue la variance th!ori%ue et nous ne pouvons
l&utiliser pour calculer notre intervalle de con"iance* Nous utiliserons donc l&estimateur s
2
%ui
est un estimateur non (iais! de
2
9
s
2
=
1
N1
i=1
N
( X
i
m' )
2
Mr m' = p' est une gaussienne 2th!orme de de la limite centrale O com(inaison lin!aire
de gaussiennes4* Dans ce cas
z=
m' m
s/ .N
est une distri(ution de Student3t , N degr!s de
li(ert!*
Mn a 9
P
(
t
u
m' m
s/ .N
t
u
)
=2u1 =
et en posant u=1 6/ 2 on arrive ,
l&intervalle de con"iance CC 9
m' t
16/ 2
s
.N
mm' +t
16/ 2
s
.N
T5pi%uement on prend P L AD I* Mn considre %ue si p
thorique
n&appartient pas ,
l&intervalle CC les r!sultats sont signi"icati"s* Cnversement si p
thorique
appartient , CC les
r!sultats sont dits non3signi"icati"s*
E
Sentiment d'tre observ
Remarque sur la rigueur de l)inter(alle standard
Depuis r!cemment des articles sont pu(li!s mettant en !vidence le "ait %ue l&intervalle
standard appel! aussi intervalle de Wald est loin d&'tre pr!cis* En e""et l&intervalle ne couvre
%ue trs approximativement le pourcentage g %ue l&on "ixe* +e vrai pourcentage oscille avec
une amplitude asse6 grande suivant le couple N!"# d&essais et de succs*
$insi des intervalles de su(stitution peuvent 'tre utilis!s notamment l&intervalle de
Wald a-ust! propos! par $*$gresti et $*Coull en 1AA@ %ui revient , ra-outer deux succs et
deux !checs aux exp!riences pour un intervalle de con"iance , ADI
1
*
+&intervalle standard !tant tou-ours largement utilis! dans de nom(reux domaines 2et
donc certainement dans celui %ui nous int!resse ici4 nous l&utiliserons mais mentionnerons
cependant aussi la valeur a-ust!e d&$gresti3Coull*
*oi de Bernouilli
Bne "ormule %ui nous sera utile pour interpr!ter les r!sultats est la loi de #ernouilli
%ui permet d&avoir accs , la pro(a(ilit! d&avoir " r!ussites sur les N essais sachant %ue la
pro(a(ilit! d&avoir une r!ussite vaut p
$
9
Pr ( S
N
=" )=
(
N
"
)
p
$
"
(1p
$
)
n"
+es chances contre le hasard d&un nom(re de succs sont d!"inis comme !tant la
pro(a(ilit! pour %u&un r!sultat !gal ou sup!rieur apparaisse par chance pure* 1our calculer
cette grandeur il su""it de sommer les P
$
avec S
N
allant de " , N*
3. Rsultats des expriences de R. Sheldrae
+es exp!riences men!es par R* Sheldrake sont trs similaires , celles a5ant !t! "aites
par Coover un sicle auparavant 9 les deux personnes sont assises le su-et tournant le dos ,
l&o(servant 2%ui est aussi exp!rimentateur4* Celui3ci regarde ou non le su-et suivant le lancer
d&une pice de monnaie ou tout autre s!%uence al!atoire (inaire H le su-et devant deviner ,
cha%ue "ois s&il est o(serv! ou non*
En mo5enne pour les su-ets a5ant plus de (onnes r!ponses %ue de mauvaises le
pourcentage de succs est de DDI* #ien %ue cela ne soit pas loin du hasard si l&exp!rience est
r!p!t!e su""isamment de "ois les r!sultats deviennent statisti%uement signi"icati"s* $insi en
1AAA les r!sultats com(in!s de 1) A== s!ries auraient des chances contre le hasard de 1=
32=
*
2
1 $pproximate is #etter than / Exact 0 "or Cnterval Estimation o" #inomial 1roportions* $gresti Q Coull* %he
&merican Statistician <a5 1AA@ 7ol* D2 No 2*
2 Sheldrake 21AAA(4
;
Sentiment d'tre observ
Chose remar%ua(le 9 lors%ue l&on regarde le nom(re de (onnes r!ponses %uand le su-et
n&est pas o(serv! celui3ci tom(e au niveau du hasard soit D=I de (onnes r!ponses* +e su-et
n&aurait donc pas la capacit! de savoir %u&il n&est pas o(serv!* Cnversement le nom(re de
(onnes r!ponses lors%ue la personne est o(serv!e "rise les E=I*
Cl "aut remar%uer %ue tous les su-ets n&arrivent pas , des r!sultats positi"s* $insi les
chi""res cit!s pr!c!demment sont pour des personnes a5ant cette capacit! , deviner
l&o(servation* R*Sheldrake expli%ue %ue c&est la raison %ui a amen! Coover , conclure , la
non3existence de cet e""et* Cl aurait com(in! les r!sultats de tous les su-ets sans prendre garde
au "ait %ue certains sem(laient plus dou!s %ue d&autres*
$utre remar%ue les r!sultats sem(lent (eaucoup d!pendre de l&exp!rimentateur* Cl
sem(lerait %ue plus l&o(servateur est motiv! et enthousiaste meilleurs seront les r!sultats*
Cela pourrait expli%uer par exemple l&!cart %u&ont o(tenu Richard Wiseman et <aril5n Schlit6
pour leurs exp!riences similaires utilisant une cam!ra
1
*
B) Nos expriences
1. !escriptif du protocole utilis et des expriences menes
+es %uel%ues exp!riences %ue nous avons men!es sont exactement les m'mes %ue
celles de Coover et de Sheldrake*
+onditions d)exprimentation $
+a plupart des exp!riences ont !t! men!es dans une pice asse6 petite %ui ne
permettait pas d&!loigner de (eaucoup les deux personnes* $u mieux leur distance !tait de
1D=m ce %ui est peu et peut entrainer des (iais* En e""et la respiration le silence les petits
mouvements de l&exp!rimentateur peuvent aider le su-et , r!pondre m'me d&une manire
inconsciente* Mn demande cependant au su-et de r!pondre asse6 rapidement dans les D ou 1=
secondes*
Cl n&est pas donn! de "eed3(ack au su-et car on peut consid!rer %ue des r!sultats
positi"s pourraient s&expli%uer par un ph!nomne d&apprentissage 9 le su-et assimilerait la
structure de la suite al!atoire et en tirerait pro"it*
+a structure des s!ries al!atoires de Sheldrake a5ant !t! consid!r!e comme la cause de
ses r!sultats
2
nous avons utilis! di""!rentes sources de s!ries* Celles3ci n&ont cependant eu
aucune in"luence sur les r!sultats et nous n&en tiendrons donc pas compte* Nous avons utilis!
1 7oir l&article de ?ohn <cCrone dans New Scientist 1) <ars 2==>*
7oir Wiseman and Schlit6 21AA;4 pour les exp!riences*
2 http9RRFFF*csicop*orgRsiR2===3=ARstaring*html
@
Sentiment d'tre observ
le lancer d&une pice de monnaie les s!ries %ue propose R* Sheldrake sur son site Cnternet
1
mais aussi des chi""res issus d&un g!n!rateur num!ri%ue al!atoire utilisant une source
radioactive
2
*
Nous avons "ait des s!ries de )= o(servationsRnon3o(servations mar%uant une pause
lors%ue le su-et le d!sire* Cha%ue d!(ut d&o(servationRnon3o(servation est donn! par un signal
sonore m!cani%ue*
'xpriences menes $
Nous avons men! 1) s!ries de )= o(servationsRnon3o(servations avec ; su-ets nous
avons donc N = '() essais* +&un d&eux 2su-et $4 a particulirement retenu notre attention et a
!t! soumis , ; s!ries* +es autres su-ets n&ont !t! soumis %u&, un ou deux tests par man%ue
d&int!r't ou de disponi(ilit!*
2. Rsultats o"tenus
Dans le ta(leau 1 sont donn!es le nom(re de (onnes r!ponses sur le nom(re de
sessions 2colonnes 9 toutes les sessions les sessions avec o(servation les sessions sans
o(servation4* +e ta(leau 2 donne les chi""res en pourcentage*
$ et # sont les deux su-ets avec les%uels nous avons o(tenus des r!sultats positi"s*
Sept s!ries ont !t! men!es avec $ mais seulement 2 avec #* > s!ries ont !t! men!es avec >
autres su-ets* +es r!sultats de ces derniers sont tous trs homognes et trs proche du hasard H
c&est pour cela %ue nous n&avons "ait "igur! %ue leurs r!sultats glo(aux* +es su-ets !tant trs
h!t!rognes la dernire ligne n&est pas vraiment exploita(le et est -uste donn!e , titre
indicati"*
%ab*eau +
Nombre de bonnes rponses sur nombre de sessions
1 http9RRFFF*sheldrake*orgR
2 http9RRFFF*"ourmila(*chRhot(itsR
A
Total Observation Nonobservation
A 126/210 69/105 57/105
B 36/60 18/27 18/33
A ! B 162/270 87/132 75/138
Autres su"ets 58/120 28/57 30/63
Totalit des su"ets 220/390 115/189 105/201
Sentiment d'tre observ
%ab*eau 2
Pourcenta,e de bonnes rponses
Mn remar%ue %ue les r!sultats de $ et # sont trs similaires et trs proches des
r!sultats donn!s par R*Sheldrake* Mn retrouve l&as5m!trie entre le nom(re de (onnes r!ponses
lors des sessions d&o(servation et celles de non3o(servation*
+e nom(re d&exp!riences men!es sur # !tant trop "ai(le et par cons!%uent les r!sultats
!tant non signi"icati"s nous nous int!resserons exclusivement aux r!sultats o(tenus par $*
Cnt!ressons3nous aux chances contre le hasard %u&avait le su-et $ pour o(tenir ces
r!sultats 9
%ab*eau '
Probabi*it pour *e su-et & d'obtenir un rsu*tat suprieur ou ,a* c. tab*eau +#
+e su-et $ avait donc environ 1 chance sur 1 2== d&o(tenir des r!sultats sup!rieurs
lors%u&il est o(serv! et 1 chance sur >>= pour l&ensem(le des sessions*
Mn peut donc a""irmer sans prendre trop de ris%ues %ue ces r!sultats ne sont pas le "ruit
du seul hasard* Cependant seul l&utilisation des intervalles de con"iance peut nous permettre
de donner la limite , partir de la%uelle on peut l&a""irmer* T5pi%uement on considre un
intervalle , ADI 2p = )/(0 pour %ue la v!rita(le mo5enne appartienne , CC4 et si =*D12
on peut a""irmer %ue les r!sultats sont signi"icati"s*
+a Sigure 1 montre les intervalles de con"iance standards , ADI du su-et $ pour
l&ensem(le des r!sultats pour les "ois oT il !tait o(serv! et pour les "ois oT il n&!tait pas
o(serv!* +e ta(leau > donne les intervalles de con"iance standards et d&$gresti3Coull 2Cci la
di""!rence n&est pas trs grande mais cela d!pend des couples N!p#4
Mn o(serve %ue les r!sultats sont signi"icati"s pour les sessions d&o(servation ainsi %ue
pour l&ensem(le des sessions* $u contraire et cela va dans le sens des r!sultats donn!s par
R*Sheldrake le su-et donne des r!ponses retom(ant au niveau de celui du hasard lors%u&il n&est
pas o(serv!*
$insi lors%ue l&on classe les donn!es par su-et il sem(le se d!gager des r!sultats %ui
ne peuvent s&expli%uer par le seul hasard*
1=
Total Observation Nonobservation
A 60.00% 65.71% 54.28%
B 60.00% 66.67% 54.54%
Autres su"ets 48.33% 49.12% 47.61%
Totalit des su"ets 56.41% 60.84% 52.23%
Total Observation Nonobservation
A 2.28e-3 8.3e-4 0.28
Sentiment d'tre observ
3i,ure +
2nterva**es standards 4 (05 pour *e su-et &
+ 6 Ensemb*e des sessions 7 2 6 Sessions avec observation 7 ' 6 Sessions sans observation
%ab*eau 8
2nterva**es standards et d'&,resti61ou** 4 (05 pour *e su-et &
3. Remarques et conclusions
Remarques $
+e traitement statisti%ue nous permet d&a""irmer %ue le hasard a trs peu de chances
d&'tre responsa(le des r!sultats du su-et $* $vant de conclure , l&e""et psi essa5ons de trouver
les !ventuels (iais aux%uels notre protocole serait su-et 9
+a salle utilis!e !tant petite l&exp!rimentateur et le su-et n&!taient %ue trs peu
!loign!s* 1ar cons!%uent les moindres mouvements de l&exp!rimentateur peuvent 'tre d!cel!s
par le su-et et consid!r!s comme autant d&indices lui permettant de le mettre sur la piste* Nous
avons pris garde , minimiser nos mouvement et , contr.ler notre respiration lors des s!ances
mais ce contr.le a certainement des limites*
Remar%uons cependant %ue pour le su-et # nous avons pu "aire ces exp!riences en
augmentant la distance 2> ou D mtres4* De plus la pr!sence d&un (ruit de "ond 2circulation
automo(ile4 rendait les (ruits in"imes de l&exp!rimentateur %uasiment inaudi(les* <ais nous
11
Total Observation Nonobservation
Standard [ 0.533 , 0.667 ] [ 0.565 , 0.749 ] [ 0.446 , 0.640 ]
A#resti$oull [ 0.532 , 0.664 ] [ 0.560 , 0.742 ] [ 0.446 , 0.636 ]
Sentiment d'tre observ
ne pouvons ris%uer la moindre conclusion car ses r!sultats ne sont signi"icati"s* Cl nous
"audrait ainsi mener plus d&exp!riences dans des condition plus dures permettant d&!liminer
ces (iais auditi"s 2avec une vitre par exemple4*
+&h5pothse du (iais sensiti" de nature auditive est certainement la plus pro(a(le*
1ar ailleurs l&enregistrement des donn!es n&!tant pas automatis! des erreurs de la part
de l&exp!rimentateur sont tou-ours envisagea(les* En toute logi%ue celles3ci devraient se
compenser* Cependant il est vrai %ue l&attente de r!sultats positi"s pourrait inconsciemment
pousser l&exp!rimentateur , "aire des erreurs allant dans ce sens* Cependant elles devraient
rester en proportion raisonna(le* 1our le su-et $ il "audrait enlever ; (onnes r!ponses pour
%ue la ligne des D=I se retrouve dans CC* Cela "erait au moins ; erreurs dans le (on sens sur
21= sessions ce %ui est !norme*
+es deux remar%ues %ui vont suivre nous ont !t! "aites par une personne ext!rieure*
Nous les mentionnons ici (ien %u&elles ne nous sem(lent pas valides car elles pourraient venir
, l&id!e au lecteur 9
9e su-et &! sur *'ensemb*e des sessions! a donn une rponse positive 00/: 5 des .ois/
&insi! *a di..rence de *a proportion de bonnes rponses entre *es sances d'observation et de
non6observation s'e;p*ique en ,rande partie par *e .ait que *e su-et rpond p*us de .ois qu'i*
est observ/
Cette remar%ue est int!ressante* +&!cart entre les sessions d&o(servation et de non3
o(servation est en e""et moins important %u&il n&5 paraUt cependant il est tou-ours r!el 9 le su-et
a""irme aussi moins de "ois %u&il n&est pas o(serv! et par cons!%uent sa proportion de (onnes
r!ponses lors%ue c&est e""ectivement le cas devrait 'tre in"!rieure , D=I ramenant ainsi le
score glo(al , D=I* Mr le nom(re de (onnes r!ponses lors%ue le su-et n&est pas o(serv! est du
niveau du hasard et les r!sultats glo(aux sont aussi signi"icati"s* +&!cart ne vient donc pas
totalement de cela*
9e cerveau humain n'est pas capab*e de ,nrer des suites a*atoires! ainsi! i* aurait
t tr<s surprenant d'obtenir des rsu*tats au niveau du hasard/
+es deux seuls su-et n&a5ant pas eu des r!sultats con"ormes , ceux du hasard sont les
su-ets $ et #* +es autres su-ets avec les%uels nous avons men! des exp!riences ont tous eu des
scores trs proches de D=I %ue ce soit pour les sessions d&o(servation ou les sessions de non3
o(servation*
+onclusion $
1ouvons3nous conclure ici , un e""et psi V +a r!ponse est non (ien %ue l&explication
exacte du ph!nomne et surtout de l&as5m!trie des r!sultats soit inconnue*
$vec ce protocole nous avons pu !viter un certain nom(re de (iais 9
les (iais visuels
une partie des (iais auditi"s
les (iais relati"s , l&apprentissage du su-et en ce %ui concerne la structure des s!ries
12
Sentiment d'tre observ
Cependant les in"ormations auditives (ien %ue minimes ont une grande importance
car elles peuvent aider le su-et , r!pondre et ceci d&une manire totalement inconsciente
m'me si lui pense ne rien entendre*
+a seule conclusion , la%uelle nous pouvons a(outir est %ue certains individus ont une
capacit! , / deviner 0 s&ils sont o(serv!s lors%u&il sont o(serv!s mais %u&ils ne peuvent deviner
%u&ils ne sont pas o(serv!s s&il ne le sont e""ectivement pas* +es causes !tant de nature
sensitives ou psi le ph!nomne est cependant r!el* Des exp!riences men!es dans des
conditions plus rigoureuses pourraient nous aider , pencher pour un sens ou l&autre*
#nnexe $ Programme %atla" la"or pour automatiser les calculs
clear
p = input('Entrer proba de russite : ');
N = input ('Entrer le nombre dessais : ');
k = input('Entrer le nombre de russites : ');
Pr = 0.95;
!ernouilli :
" = 0;
#or $=k:N
" = " % &amma(N%')((&amma($%'))&amma(N*$%')))p+$)('* p)+(N*$);
end
#print#(',n,nProbabilit da-oir un nombre de russites suprieur ou &al : e,n'. ")
/#inition des estimateurs :
m' = k(N;
s = s0rt('((N*'))(k)('*m')+1%(N*k))m'+1));
2n calcule des -aleurs de la loi de t*"tudent 3 N de&rs de lib sur 4*'0 ; '0 5 :
6e = '000;
7 = *'0:'(6e:'0*'(6e;
8 = tcd#(7.N);
9ec:erc:e du pourcentile tu :
i = ';
;:ile 8(i)<Pr%('*Pr)(1.
i = i%';
end;
tu = 7(i);
#print#('tu : #,n'.tu)
1)
Sentiment d'tre observ
2n calcule l'inter-alle de con#iance :
limin#' = m' * tu)s(s0rt(N);
limsup' = m' % tu)s(s0rt(N);
#print#('=nter-alle de con#iance a d pourcent :,n4 # . # 5'. Pr)'00. limin#'. limsup')
=nter-alle d'>&resti*?oull : on ra$oute 1 succ@s et 1 c:ecs
k = k%1;
N = N%A;
9e*d#inition des estimateurs pour l'inter-alle d'>&resti*?oull
m1 = k(N;
s = s0rt('((N*'))(k)('*m1)+1%(N*k))m1+1));
2n recalcule des -aleurs de la loi de t*"tudent 3 N de&rs de libert sur 4 *'0 ; *'0 5 :
6e = '000;
7 = *'0:'(6e:'0*'(6e;
8 = tcd#(7.N);
9e*rec:erc:e du pourcentile tu :
i = ';
;:ile 8(i)<Pr%('*Pr)(1.
i = i%';
end;
tu = 7(i);
#print#(',n,n,n>&resti*?oull :,n')
#print#('tu : #,n'.tu)
2n recalcule l'inter-alle de con#iance :
limin#1 = m1 * tu)s(s0rt(N);
limsup1 = m1 % tu)s(s0rt(N);
#print#('=nter-alle de con#iance a d pourcent :,n4 # . # 5,n,n,n'. Pr)'00. limin#1. limsup1)
>##ic:a&e &rap:i0ue de l'inter-alle de con#iance :
nbPoints = 500;
lar&eur = 0.05; Bar&eur des traits dlimitant les parties in# et sup du se&ment
# = '(nbPoints:'(nbPoints:1*'(nbPoints; /iscrtisation de l'abscisse pour a##ic:er les points
#1 = '*lar&eur(1:'(nbPoints:'%lar&eur(1;
#i&ure(')
plot('.m'.'o').a7is(40 1 0 '005) Cn cercle 3 l'emplacement de l'estimateur de la mo8enne
:old on
plot(#.p).a7is(40 1 0 '005) Bi&ne 3 l'ordonne de p t:ori0ue
#or i = ':nbPoints
1>
Sentiment d'tre observ
plot('.limin#' % i)(limsup'*limin#')(nbPoints).a7is(40 1 0 '5) =nter-alle de con#iance
end
plot(#1.limin#'.'b') petits se&ments :oriDontau7
plot(#1.limsup'.'b')
:old o##
Bi"liographie et liens &nternet
Articles de %&S'eldra(e sur la sensation d'tre observe) disponibles sur
son site Internet :
The Sense o" #eing Stared $t 9 Experiments in Schools =ourna* o. the Societ> .or Ps>chica*
$esearch 21AA@4 62 )113)2)*
The &Sense o" #eing Stared at& Con"irmed (5 Simple Experiments ?io*o,> 3orum 21AAA4 92
D)3;E*
The &Sense o" #eing Stared at& Does Not Depend on WnoFn Sensor5 Clues ?io*o,> 3orum
22===4 93 2=A322>*
Research on the Sense o" #eing Stared $t S"eptica* 2nquirer 22===4 <arch3$pril D@3E1*
Experiments on the Sense o" #eing Stared $t 9 The Elimination o" 1ossi(le $rte"acts =ourna*
o. the Societ> .or Ps>chica* $esearch 22==14 65 12231);*
*acults psi et +araps,c'olo#ie :
The Sense o" #eing Stared at R*Sheldrake :utchinson Ed* ou +e ;e Sens Ed* Du Rocher*
+a Conscience Cnvisi(le Dean Radin 1resses du ChXtelet*
1araps5chologie une science controvers!e Richard #roughton Ed* Du Rocher*
Traitement statisti-ue :
$pproximate is #etter than / Exact 0 "or Cnterval Estimation o" #inomial 1roportions the
&merican Statistician 52*
Cnterval Estimation "or a #inomial 1roportion +aFrence D*#roFn T*Tion5 Cai et $nir(an
DasYupta*
Response to the Discussants +aFrence D*#roFn T*Tion5 Cai et $nir(an DasYupta*
1D
Sentiment d'tre observ
Cours de 1ro(a(ilit!s Cours de D*1astor D!partement Signal et Communications ENST3
#retagne*
Traitement du signal The 1ol5 2==> Cours de R*Yarrello et ?<*+e Caillec D!partement
Cmage et Traitement de l&Cn"ormation ENST3#retagne*
Cntroduction aux 1rocessus Stochasti%ues 22==)32==>4 Cours de #*Solaiman D!partement
Cmage et Traitement de l&Cn"ormation ENST3#retagne*
Liens Internet :
Rupert Sheldrake Mnline 9 http9RRFFF*sheldrake*orgR
Site de 1ierre <acias 9 http9RRpsiland*"ree*"rR
Criti%ue des exp!riences de Sheldrake par David S*<arks et ?ohn ColFell sur le site du
CSCCM1 9 http9RRFFF*csicop*orgRsiR2===3=ARstaring*html
1E
Sentiment d'tre observ
@erci 4 Pierre @acias pour ses consei*s et son aide/
@erci 4 Aominique Pastor pour ses consei*s sur *es interva**es de con.iance/
@erci au su-et & pour sa disponibi*it et pour m'avoir donn des rsu*tats positi.s et
e;p*oitab*es/
1;