diff --git a/Adaptation de domaine et transfer learning.md b/Adaptation de domaine et transfer learning.md
index 26467867229fde142674369f1cfccf1289e18d73..205b57e1154995d334984e9c6b9c34399273f079 100644
--- a/Adaptation de domaine et transfer learning.md	
+++ b/Adaptation de domaine et transfer learning.md	
@@ -15,11 +15,11 @@ Plusieurs méthodes sont disponibles pour remédier à cela.
 
 ## Situation initiale
 On a :
-Des caractéristiques X, des étiquettes Y
-Une distribution Ps sur X*Y, Pt sur X*Y
-Une fonction de labelling f(X) = Y qui suit Pt(y|x)
-Un ensemble d’entrainement source LS
-Un ensemble non labellisé cible LT
+* Des caractéristiques X, des étiquettes Y
+* Une distribution Ps sur X*Y, Pt sur X*Y
+* Une fonction de labelling f(X) = Y qui suit Pt(y|x)
+* Un ensemble d’entrainement source LS
+* Un ensemble non labellisé cible LT
 
 A partir de là, on veut apprendre un classificateur hypothèse h aussi proche que possible de f qui soit bon sur la distribution Pt.