Mathématiques · Dénombrement et probabilités
Dénombrement et probabilités
Principe du dénombrement, arrangements, permutations, combinaisons, tirages, probabilités, probabilité conditionnelle, indépendance, variables aléatoires et loi binomiale.
- Matière
- Mathématiques
- Niveau
- 2ème Bac
- Filière
- Sciences Physiques
- Session
- Semestre 2
Cours الدرس
I. Dénombrement
1. Cardinal d’un ensemble fini
Définition
Le cardinal d’un ensemble fini \(E\), noté \(\mathrm{card}\,E\), est le nombre de ses éléments ; \(\mathrm{card}\,\varnothing=0\).
Propriété
Soient \(A\) et \(B\) deux parties d’un ensemble fini \(E\), et \(\overline{A}\) le complémentaire de \(A\) dans \(E\) :
\(\displaystyle \mathrm{card}(A\cup B)=\mathrm{card}\,A+\mathrm{card}\,B-\mathrm{card}(A\cap B)\qquad\mathrm{card}\,\overline{A}=\mathrm{card}\,E-\mathrm{card}\,A\)
Si \(A\cap B=\varnothing\) : \(\mathrm{card}(A\cup B)=\mathrm{card}\,A+\mathrm{card}\,B\).
Exemples
Dans une classe de \(32\) élèves, \(18\) étudient l’anglais, \(12\) l’espagnol et \(5\) les deux langues. Le nombre d’élèves qui étudient au moins une de ces langues est \(18+12-5=25\) ; \(32-25=7\) élèves n’en étudient aucune.
2. Principe fondamental du dénombrement
Propriété
Si une situation comporte \(p\) choix successifs, le premier pouvant se faire de \(n_{1}\) façons, le deuxième de \(n_{2}\) façons, …, le \(p\)-ième de \(n_{p}\) façons, alors le nombre total de possibilités est \(n_{1}\times n_{2}\times\cdots\times n_{p}\).
Exemple. Un menu comporte une entrée (soupe ou salade) et un plat (viande, poisson ou couscous) : \(2\times3=6\) menus possibles ; l’arbre ci-contre les énumère.
3. Arrangements, permutations, combinaisons
Définition
• Pour \(n\in\mathbb{N}^{*}\) : \(n!=1\times2\times\cdots\times n\) (« factorielle \(n\) ») et \(0!=1\).
• Une \(p\)-liste d’éléments d’un ensemble à \(n\) éléments est une suite ordonnée de \(p\) éléments, avec répétition possible : il y en a \(n^{p}\).
• Un arrangement de \(p\) éléments parmi \(n\) (\(p\le n\)) est une suite ordonnée de \(p\) éléments distincts : il y en a \(A_{n}^{p}=n(n-1)\cdots(n-p+1)=\frac{n!}{(n-p)!}\).
• Une permutation de \(n\) éléments est un arrangement des \(n\) éléments : il y en a \(n!\).
• Une combinaison de \(p\) éléments parmi \(n\) est une partie à \(p\) éléments (sans ordre) : il y en a \(C_{n}^{p}=\frac{A_{n}^{p}}{p!}=\frac{n!}{p!\,(n-p)!}\).
Propriété
• \(C_{n}^{0}=C_{n}^{n}=1\) ; \(C_{n}^{1}=n\) ; \(C_{n}^{p}=C_{n}^{n-p}\).
• Relation de Pascal : \(C_{n}^{p}+C_{n}^{p+1}=C_{n+1}^{p+1}\) (pour \(0\le p\le n-1\)).
• Formule du binôme : \((a+b)^{n}=\sum_{k=0}^{n}C_{n}^{k}a^{k}b^{n-k}\) ; par exemple \((a+b)^{3}=a^{3}+3a^{2}b+3ab^{2}+b^{3}\).
Triangle de Pascal
| \(n\backslash p\) | \(0\) | \(1\) | \(2\) | \(3\) | \(4\) | \(5\) |
|---|---|---|---|---|---|---|
| \(1\) | \(1\) | \(1\) | ||||
| \(2\) | \(1\) | \(2\) | \(1\) | |||
| \(3\) | \(1\) | \(3\) | \(3\) | \(1\) | ||
| \(4\) | \(1\) | \(4\) | \(6\) | \(4\) | \(1\) | |
| \(5\) | \(1\) | \(5\) | \(10\) | \(10\) | \(5\) | \(1\) |
Exemples
• Codes de carte bancaire à \(4\) chiffres : \(10^{4}=10\,000\) (\(4\)-listes de \(\{0,\ldots,9\}\)).
• Podiums (or, argent, bronze) possibles pour \(8\) coureurs : \(A_{8}^{3}=8\times7\times6=336\).
• Façons de ranger \(5\) livres sur une étagère : \(5!=120\).
• Délégations de \(3\) élèves choisis parmi \(8\) : \(C_{8}^{3}=\frac{8\times7\times6}{3\times2\times1}=56\).
4. Tirages
| Type de tirage de \(p\) objets parmi \(n\) | Ordre | Répétition | Nombre de tirages |
|---|---|---|---|
| Successif avec remise | oui | oui | \(n^{p}\) |
| Successif sans remise | oui | non | \(A_{n}^{p}\) |
| Simultané | non | non | \(C_{n}^{p}\) |
Méthode
• On identifie d’abord le type de tirage (mots-clés : « simultanément », « successivement », « avec / sans remise »).
• Pour un événement décrit par des couleurs, on multiplie les choix faits dans chaque couleur (principe fondamental).
• Pour « au moins un », il est souvent plus simple de compter le contraire (« aucun ») et de le soustraire du total.
Application 1
Une urne contient \(5\) boules rouges, \(3\) vertes et \(2\) blanches. On tire simultanément \(3\) boules.
1) Combien y a-t-il de tirages possibles ?
2) Combien de tirages contiennent exactement \(2\) boules rouges ?
3) Combien de tirages contiennent au moins une boule verte ?
4) Combien de tirages sont unicolores ?
5) Reprendre la question 1 lorsque les \(3\) boules sont tirées successivement, avec puis sans remise.
Solution
➢ 1) \(C_{10}^{3}=\frac{10\times9\times8}{6}=120\).
➢ 2) \(2\) rouges parmi \(5\) et \(1\) boule non rouge parmi \(5\) : \(C_{5}^{2}\times C_{5}^{1}=10\times5=50\).
➢ 3) Contraire : aucune verte, soit \(3\) boules parmi les \(7\) non vertes : \(C_{7}^{3}=35\) ; d’où \(120-35=85\).
➢ 4) \(3\) rouges ou \(3\) vertes (il n’y a que \(2\) blanches) : \(C_{5}^{3}+C_{3}^{3}=10+1=11\).
➢ 5) Avec remise : \(10^{3}=1000\) ; sans remise : \(A_{10}^{3}=10\times9\times8=720\).
II. Probabilités sur un univers fini
1. Vocabulaire
Une expérience aléatoire est une expérience dont on connaît tous les résultats possibles, sans pouvoir prévoir lequel se produira. L’ensemble \(\Omega\) des résultats possibles (les éventualités) est l’univers ; un événement est une partie de \(\Omega\).
| Langage probabiliste | Notation | Exemple (dé : \(\Omega=\{1,\ldots,6\}\)) |
|---|---|---|
| événement élémentaire | \(\{\omega\}\) | « obtenir \(6\) » \(=\{6\}\) |
| événement certain / impossible | \(\Omega\) / \(\varnothing\) | « obtenir \(7\) » \(=\varnothing\) |
| « \(A\) et \(B\) » (les deux se réalisent) | \(A\cap B\) | voir l’exemple ci-dessous |
| « \(A\) ou \(B\) » (au moins l’un se réalise) | \(A\cup B\) | |
| contraire de \(A\) | \(\overline{A}\) | \(\overline{\{1,2\}}=\{3,4,5,6\}\) |
| \(A\) et \(B\) incompatibles | \(A\cap B=\varnothing\) | \(\{1,2\}\) et \(\{5,6\}\) |
Les opérations sur les événements se visualisent sur un diagramme : la partie commune aux deux disques représente \(A\cap B\), leur réunion représente \(A\cup B\), et ce qui est hors de \(A\) dans \(\Omega\) représente \(\overline{A}\).
Exemples
On lance un dé cubique : \(\Omega=\{1,2,3,4,5,6\}\). Les événements \(A\) « obtenir un nombre pair » \(=\{2,4,6\}\) et \(B\) « obtenir un multiple de \(3\) » \(=\{3,6\}\) vérifient \(A\cap B=\{6\}\), \(A\cup B=\{2,3,4,6\}\) et \(\overline{A}=\{1,3,5\}\).
2. Probabilité d’un événement
Définition
Soit \(\Omega=\{\omega_{1},\omega_{2},\ldots,\omega_{n}\}\). Définir une probabilité sur \(\Omega\), c’est associer à chaque éventualité \(\omega_{i}\) un réel \(p_{i}\ge0\), avec \(p_{1}+p_{2}+\cdots+p_{n}=1\). La probabilité d’un événement \(A\) est la somme des probabilités des éventualités qui le réalisent.
Propriété
Pour tous événements \(A\) et \(B\) :
• \(p(\varnothing)=0\), \(p(\Omega)=1\) et \(0\le p(A)\le1\) ;
• \(p(\overline{A})=1-p(A)\) ;
• \(p(A\cup B)=p(A)+p(B)-p(A\cap B)\) ; si \(A\) et \(B\) sont incompatibles : \(p(A\cup B)=p(A)+p(B)\).
3. Équiprobabilité
Propriété
Si toutes les éventualités ont la même probabilité (hypothèse d’équiprobabilité : dé « équilibré », boules « indiscernables au toucher », tirage « au hasard »), alors pour tout événement \(A\) :
\(\displaystyle p(A)=\frac{\mathrm{card}\,A}{\mathrm{card}\,\Omega}=\frac{\text{nombre de cas favorables}}{\text{nombre de cas possibles}}\)
Exemples
Avec le dé équilibré de l’exemple précédent : \(p(A)=\frac{3}{6}=\frac{1}{2}\), \(p(B)=\frac{2}{6}=\frac{1}{3}\), \(p(A\cap B)=\frac{1}{6}\) et \(p(A\cup B)=\frac{1}{2}+\frac{1}{3}-\frac{1}{6}=\frac{2}{3}\) (on retrouve \(\frac{4}{6}\)).
Application 2
On reprend l’urne de l’application 1 (\(5\) R, \(3\) V, \(2\) B) et le tirage simultané de \(3\) boules.
1) Calculer la probabilité de chacun des événements : \(A\) « exactement \(2\) boules rouges », \(B\) « au moins une boule verte », \(C\) « tirage unicolore ».
2) Calculer la probabilité de l’événement \(D\) « obtenir trois couleurs différentes ».
Solution
➢ 1) Les \(120\) tirages sont équiprobables : \(p(A)=\frac{50}{120}=\frac{5}{12}\) ; \(p(B)=\frac{85}{120}=\frac{17}{24}\) ; \(p(C)=\frac{11}{120}\).
➢ 2) Une boule de chaque couleur : \(C_{5}^{1}\times C_{3}^{1}\times C_{2}^{1}=30\), donc \(p(D)=\frac{30}{120}=\frac{1}{4}\).
III. Probabilité conditionnelle et indépendance
Activité 1
Dans un lycée de \(200\) élèves de 2 BAC, on a relevé la filière et la pratique d’un sport :
| Sport (\(S\)) | Pas de sport | Total | |
|---|---|---|---|
| PC | \(48\) | \(72\) | \(120\) |
| SVT | \(32\) | \(48\) | \(80\) |
| Total | \(80\) | \(120\) | \(200\) |
1) On choisit un élève au hasard. Calculer \(p(S)\), \(p(\mathrm{PC})\) et \(p(S\cap\mathrm{PC})\).
2) On choisit un élève au hasard parmi les élèves de PC. Quelle est la probabilité qu’il pratique un sport ?
3) Comparer ce résultat avec \(\frac{p(S\cap\mathrm{PC})}{p(\mathrm{PC})}\).
Réponse. \(p(S)=\frac{80}{200}=0,4\), \(p(\mathrm{PC})=0,6\) et \(p(S\cap\mathrm{PC})=\frac{48}{200}=0,24\). Parmi les \(120\) élèves de PC, \(48\) font du sport : \(\frac{48}{120}=0,4=\frac{0,24}{0,6}\). On a « restreint l’univers » aux élèves de PC : c’est une probabilité conditionnelle.
Définition
Soient \(A\) et \(B\) deux événements avec \(p(A)\ne0\). La probabilité de \(B\) sachant \(A\) est :
\(\displaystyle p_{A}(B)=\frac{p(A\cap B)}{p(A)}\qquad\text{d’où}\qquad p(A\cap B)=p(A)\times p_{A}(B)\)
1. Arbre pondéré et formule des probabilités totales
Propriété (formule des probabilités totales)
Si \(A_{1}\), \(A_{2}\), …, \(A_{n}\) forment une partition de \(\Omega\) (événements deux à deux incompatibles, de probabilités non nulles, dont la réunion est \(\Omega\)), alors pour tout événement \(B\) :
\(\displaystyle p(B)=p(A_{1})p_{A_{1}}(B)+p(A_{2})p_{A_{2}}(B)+\cdots+p(A_{n})p_{A_{n}}(B)\)
Méthode : règles de l’arbre pondéré
• Sur chaque branche, on écrit une probabilité (conditionnelle à partir du deuxième niveau) ; la somme des probabilités issues d’un même nœud vaut \(1\).
• La probabilité d’un chemin est le produit des probabilités de ses branches.
• La probabilité d’un événement est la somme des probabilités des chemins qui y mènent.
Exemple (test de dépistage). Une maladie touche \(2\) % de la population. Un test est positif chez \(95\) % des malades et chez \(4\) % des personnes saines. On note \(M\) « être malade » et \(T\) « test positif ».
Probabilités totales : \(p(T)=0,02\times0,95+0,98\times0,04=0,019+0,0392=0,0582\).
Si le test est positif, la probabilité d’être malade n’est que \(p_{T}(M)=\frac{p(M\cap T)}{p(T)}=\frac{0,019}{0,0582}\approx0,33\).
2. Événements indépendants
Définition
Deux événements \(A\) et \(B\) sont indépendants si \(p(A\cap B)=p(A)\times p(B)\) ; lorsque \(p(A)\ne0\), cela revient à \(p_{A}(B)=p(B)\) : la réalisation de \(A\) ne modifie pas la probabilité de \(B\).
Remarque
• Dans l’activité, \(p(S\cap\mathrm{PC})=0,24=0,4\times0,6=p(S)\,p(\mathrm{PC})\) : \(S\) et \(\mathrm{PC}\) sont indépendants.
• Ne pas confondre incompatibles (\(A\cap B=\varnothing\)) et indépendants : deux événements incompatibles de probabilités non nulles ne sont jamais indépendants, car \(p(A\cap B)=0\ne p(A)p(B)\).
Exemples
On lance un dé équilibré ; \(A=\{2,4,6\}\) et \(C\) « obtenir au plus \(2\) » \(=\{1,2\}\) : \(p(A\cap C)=p(\{2\})=\frac{1}{6}\) et \(p(A)p(C)=\frac{1}{2}\times\frac{1}{3}=\frac{1}{6}\) : \(A\) et \(C\) sont indépendants.
Application 3
On dispose de deux urnes : \(U_{1}\) contient \(3\) boules rouges et \(2\) vertes, \(U_{2}\) contient \(1\) boule rouge et \(4\) vertes. On lance un dé équilibré : si l’on obtient \(6\), on tire une boule de \(U_{1}\), sinon une boule de \(U_{2}\).
1) Construire un arbre pondéré et calculer la probabilité de l’événement \(R\) « tirer une boule rouge ».
2) La boule tirée est rouge. Quelle est la probabilité qu’elle provienne de \(U_{1}\) ?
3) Les événements « tirer dans \(U_{1}\) » et \(R\) sont-ils indépendants ?
Solution
➢ 1) \(p(U_{1})=\frac{1}{6}\), \(p(U_{2})=\frac{5}{6}\), \(p_{U_{1}}(R)=\frac{3}{5}\), \(p_{U_{2}}(R)=\frac{1}{5}\) ; \(p(R)=\frac{1}{6}\times\frac{3}{5}+\frac{5}{6}\times\frac{1}{5}=\frac{3}{30}+\frac{5}{30}=\frac{4}{15}\).
➢ 2) \(p_{R}(U_{1})=\frac{p(U_{1}\cap R)}{p(R)}=\frac{\frac{1}{10}}{\frac{4}{15}}=\frac{3}{8}\).
➢ 3) \(p(U_{1}\cap R)=\frac{1}{10}\) et \(p(U_{1})p(R)=\frac{1}{6}\times\frac{4}{15}=\frac{2}{45}\ne\frac{1}{10}\) : ils ne sont pas indépendants.
IV. Épreuves répétées
Propriété
On considère une épreuve au cours de laquelle un événement \(A\) (le « succès ») a la probabilité \(p\). On répète \(n\) fois cette épreuve dans les mêmes conditions, de façon indépendante. La probabilité que \(A\) se réalise exactement \(k\) fois (\(0\le k\le n\)) est :
\[C_{n}^{k}\,p^{k}\,(1-p)^{n-k}\]
Justification
Un résultat où \(A\) se réalise \(k\) fois (et \(\overline{A}\) \(n-k\) fois) a la probabilité \(p^{k}(1-p)^{n-k}\), par indépendance ; il y a \(C_{n}^{k}\) façons de choisir les \(k\) épreuves où \(A\) se réalise.
Exemples
On lance \(4\) fois un dé équilibré. Probabilité d’obtenir exactement deux fois le \(6\) : \(C_{4}^{2}(\frac{1}{6})^{2}(\frac{5}{6})^{2}=6\times\frac{25}{1296}=\frac{25}{216}\approx0,116\). Probabilité d’obtenir au moins un \(6\) : \(1-(\frac{5}{6})^{4}=\frac{671}{1296}\approx0,518\).
V. Variables aléatoires
Définition
• Une variable aléatoire \(X\) est une application de \(\Omega\) dans \(\mathbb{R}\) ; \(X(\Omega)=\{x_{1},\ldots,x_{n}\}\) est l’ensemble de ses valeurs, et « \(X=x_{i}\) » désigne l’événement formé des éventualités de valeur \(x_{i}\).
• La loi de probabilité de \(X\) est la donnée des \(p_{i}=p(X=x_{i})\) pour \(1\le i\le n\) ; on a \(p_{1}+\cdots+p_{n}=1\).
• Espérance : \(E(X)=\sum_{i=1}^{n}x_{i}p_{i}\) ; variance : \(V(X)=\sum_{i=1}^{n}p_{i}(x_{i}-E(X))^{2}=\sum_{i=1}^{n}p_{i}x_{i}^{2}-(E(X))^{2}\) ; écart-type : \(\sigma(X)=\sqrt{V(X)}\).
Remarque
L’espérance est la valeur moyenne de \(X\) sur un grand nombre de répétitions de l’expérience ; dans un jeu, si \(X\) est le gain, le jeu est dit équitable lorsque \(E(X)=0\). L’écart-type mesure la dispersion des valeurs autour de \(E(X)\).
Exemples
Exemple. Urne de l’application 1 ; \(X\) est le nombre de boules rouges parmi les \(3\) boules tirées simultanément. \(X(\Omega)=\{0,1,2,3\}\) et \(p(X=k)=\frac{C_{5}^{k}\,C_{5}^{3-k}}{120}\) :
| \(k\) | \(0\) | \(1\) | \(2\) | \(3\) |
|---|---|---|---|---|
| \(p(X=k)\) | \(\frac{10}{120}\) | \(\frac{50}{120}\) | \(\frac{50}{120}\) | \(\frac{10}{120}\) |
\(E(X)=\frac{0+50+100+30}{120}=\frac{3}{2}\) ; \(V(X)=\frac{0+50+200+90}{120}-\frac{9}{4}=\frac{17}{6}-\frac{9}{4}=\frac{7}{12}\) ; \(\sigma(X)=\sqrt{\frac{7}{12}}\approx0,76\).
1. Loi binomiale
Définition
Dans la situation des épreuves répétées (\(n\) épreuves indépendantes, succès de probabilité \(p\)), la variable \(X\) égale au nombre de succès suit la loi binomiale de paramètres \(n\) et \(p\), notée \(\mathcal{B}(n;p)\) :
\(\displaystyle X(\Omega)=\{0,1,\ldots,n\}\qquad p(X=k)=C_{n}^{k}\,p^{k}(1-p)^{n-k}\)
On admet que \(E(X)=np\) et \(V(X)=np(1-p)\).
Exemple. Un QCM comporte \(5\) questions ; chacune a \(3\) réponses proposées dont une seule est juste. Un candidat répond au hasard. Le nombre \(X\) de bonnes réponses suit la loi \(\mathcal{B}(5;\frac{1}{3})\).
\(p(X=5)=(\frac{1}{3})^{5}=\frac{1}{243}\) ; \(p(X\ge1)=1-(\frac{2}{3})^{5}=\frac{211}{243}\approx0,868\) ; \(E(X)=\frac{5}{3}\).
Application 4
On lance trois fois une pièce équilibrée et on note \(X\) le nombre de « pile » obtenus.
1) Justifier que \(X\) suit une loi binomiale et donner sa loi de probabilité.
2) Calculer \(E(X)\) et \(V(X)\) à l’aide des formules de la loi binomiale.
3) Un joueur gagne \(2X-3\) dirhams (un gain négatif est une perte). Le jeu est-il équitable ?
Solution
➢ 1) Trois épreuves identiques et indépendantes, succès « pile » de probabilité \(\frac{1}{2}\) : \(X\sim\mathcal{B}(3;\frac{1}{2})\), \(p(X=k)=\frac{C_{3}^{k}}{8}\), soit \(\frac{1}{8}\), \(\frac{3}{8}\), \(\frac{3}{8}\), \(\frac{1}{8}\) pour \(k=0,1,2,3\).
➢ 2) \(E(X)=3\times\frac{1}{2}=\frac{3}{2}\) et \(V(X)=3\times\frac{1}{2}\times\frac{1}{2}=\frac{3}{4}\).
➢ 3) Le gain prend les valeurs \(-3\), \(-1\), \(1\), \(3\) avec les probabilités \(\frac{1}{8}\), \(\frac{3}{8}\), \(\frac{3}{8}\), \(\frac{1}{8}\) : espérance \(\frac{-3-3+3+3}{8}=0\). Le jeu est équitable.
VI. Erreurs fréquentes
| Erreur fréquente | Ce qu’il faut faire |
|---|---|
| Utiliser \(A_{n}^{p}\) pour un tirage simultané. | Tirage simultané : pas d’ordre, donc \(C_{n}^{p}\). |
| Compter « au moins un » en additionnant beaucoup de cas (et en oublier). | Passer par le contraire : \(p(\text{au moins un})=1-p(\text{aucun})\). |
| Confondre \(p_{A}(B)\) et \(p(A\cap B)\). | \(p(A\cap B)=p(A)\times p_{A}(B)\) : on multiplie le long du chemin. |
| Confondre incompatibles et indépendants. | Incompatibles : \(A\cap B=\varnothing\) ; indépendants : \(p(A\cap B)=p(A)p(B)\). |
| Oublier le coefficient \(C_{n}^{k}\) dans les épreuves répétées. | \(p(X=k)=C_{n}^{k}p^{k}(1-p)^{n-k}\). |
| Ne pas vérifier que la somme des \(p_{i}\) vaut \(1\). | Contrôler \(p_{1}+\cdots+p_{n}=1\) avant de calculer \(E(X)\). |
VII. À retenir
• Principe multiplicatif ; \(p\)-listes : \(n^{p}\) ; arrangements : \(A_{n}^{p}=\frac{n!}{(n-p)!}\) ; permutations : \(n!\) ; combinaisons : \(C_{n}^{p}=\frac{n!}{p!(n-p)!}\).
• Tirages : successif avec remise \(n^{p}\), sans remise \(A_{n}^{p}\), simultané \(C_{n}^{p}\).
• Équiprobabilité : \(p(A)=\frac{\mathrm{card}\,A}{\mathrm{card}\,\Omega}\) ; \(p(\overline{A})=1-p(A)\) ; \(p(A\cup B)=p(A)+p(B)-p(A\cap B)\).
• \(p_{A}(B)=\frac{p(A\cap B)}{p(A)}\) ; probabilités totales ; indépendance : \(p(A\cap B)=p(A)p(B)\).
• Épreuves répétées / loi binomiale : \(p(X=k)=C_{n}^{k}p^{k}(1-p)^{n-k}\), \(E(X)=np\), \(V(X)=np(1-p)\).
• \(E(X)=\sum x_{i}p_{i}\) ; \(V(X)=\sum p_{i}x_{i}^{2}-E(X)^{2}\) ; \(\sigma(X)=\sqrt{V(X)}\).
Contrôles فروض 3
2026 · Devoir maison · Durée : Une semaine
2026 · Devoir maison · Durée : Une semaine