diff --git a/learning/code/learning.m b/learning/code/learning.m
index 8bac4f0..5e561bd 100644
--- a/learning/code/learning.m
+++ b/learning/code/learning.m
@@ -15,8 +15,30 @@ vecteurs=zeros(2*(cmax-cmin+1),dataset_size); %TODO: renommer en vectors
 
 classes = []; %colonne [avance; arret; gauche; droite; rejet]
 
-for k=1:dataset_size %instanciation des valeurs des classes pour le training
-    deb = dataset(k).name(1:2);
+% c'est lent
+% s'assurer que l'on choisit toutes les images
+% 
+for n=1:dataset_size
+    % choix d'une image aleatoire
+    choix = 1 + floor(dataset_size*rand(dataset_size, 1));
+    % extraction de l'image du dataset
+    image = dataset(choix(1));
+    % lecture de l'image
+    img = imread([image.folder '/' image.name]);
+    % filtrage de la couleur de la peau
+    binary = rgb_filter(img, threshold);
+    % determination du contour
+    c = contourc(binary);
+    % Determination du contour de taille max
+    cont = max_contour(c);
+    % transformation en signal complexe
+    z = cont(:,1) + 1i*cont(:,2);
+    % calcul des descripteurs de Fourier
+    [coeff,ncoeff]=descripteurfouriernorm(z,cmax);
+    % Extraction des composantes
+    vecteurs(:,n)=[real(coeff);imag(coeff)];
+    % Ajout de la classe correspondante
+    deb = dataset(choix(1)).name(1:2);
     if deb == 'av'
        classes = [classes , [1;0;0;0;0]];         
     elseif deb == 'ar'
@@ -28,32 +50,6 @@ for k=1:dataset_size %instanciation des valeurs des classes pour le training
     elseif deb == 're'
        classes = [classes , [0;0;0;0;1]];        
     end 
-end
-
-
-
-% c'est lent
-% s'assurer que l'on choisit toutes les images
-% 
-for n=1:dataset_size
-    % choix d'une image aléatoire
-    choix = 1 + floor(dataset_size*rand(dataset_size, 1));
-    % extraction de l'image du dataset
-    image = dataset(choix(1));
-    % lecture de l'image
-    img = imread([image.folder '/' image.name]);
-    % filtrage de la couleur de la peau
-    binary = rgb_filter(img, threshold);
-    % détermination du contour
-    c = contourc(binary);
-    % Détermination du contour de taille max
-    cont = max_contour(c);
-    % transformation en signal complex
-    z = cont(:,1) + 1i*cont(:,2);
-    % calcul des descripteurs de Fourrier
-    [coeff,ncoeff]=descripteurfouriernorm(z,cmax);
-    % Extraction des composantes
-    vecteurs(:,n)=[real(coeff);imag(coeff)];
     % affichage de l'avancement
     disp(n/dataset_size);
 end