Correction maman

1 files changed, 2 insertions, 2 deletions

diff --git a/synthetic/introduction.tex b/synthetic/introduction.tex
index 4645eeb..a741559 100644
--- a/synthetic/introduction.tex
+++ b/synthetic/introduction.tex
@@ -1,4 +1,4 @@
-Comme au chapitre précédent, la confidentialité des données synthétiques est souvent considérée du point de vue suivant : a partir des données synthétiques, que pouvons-nous apprendre des données réelles ?
+Comme au chapitre précédent, la confidentialité des données synthétiques est souvent considérée du point de vue suivant : à partir des données synthétiques, que pouvons-nous apprendre des données réelles ?
 Pour cela, la confidentialité différentielle permet une protection très forte, plus forte que d'autres notions de confidentialité, comme par exemple la limitation des fuites statistiques\footnote{\textit{Statistical disclosure limitation}}~\cite{abowd2008protective}.
 Il existe ainsi des méthodes pour imposer la confidentialité différentielle dans les GAN~\cite{jordon2018pate} et dans les auto-encodeurs~\cite{abay2019privacy}.
 
@@ -6,6 +6,6 @@ Ce chapitre est un début de travail sur les liens entre données synthétiques
 Nous allons déjà étudier la MIA en utilisant des données synthétiques.
 Ensuite, nous allons regarder l'impact de l'utilisation des données synthétiques lors de l'entraînement sur le succès de l'AIA.
 
-De manière synthétiques nous apportons des premiers éléments de réponse à la question suivante : 
+De manière synthétique nous apportons des premiers éléments de réponse à la question suivante : 
 Quel est l'impact de l'utilisation des données synthétiques, au lieu de données réelles, lors de l'entraînement de modèles, sur la confidentialité ?