diff --git a/README.md b/README.md
index d44b6f39aec7884bb135e0157846ec705307c8f0..8b6ed40a7090919a735ad343e65a1828edea8a77 100644
--- a/README.md
+++ b/README.md
@@ -17,6 +17,7 @@ Ce projet consite à générer des extraits de musique classique avec un GAN.
 ## __Difficultés rencontrées__ : 
 
 - Instabilité de l'entraînement du GAN
+- Durée de l'entrainement de GAN
 - Difficultés pour trouver un dataset de fichiers midis adéquats
 
 
@@ -37,7 +38,7 @@ Pour aider à l'entrainement du GAN, nous faisons appel à plusieurs astuces:
 - Le label smoothing qui consiste a remplacer les valeurs de vérité binaires fournies au discriminateur
 par des valeurs comme 0.1 et 0.9 ou 0.2 et 0.8 pour éviter de rendre le discriminateur trop fort.
 
-- Le label flipping qui consiste a inverser les valeurs de vérité fournies au discriminateur pour la encore faciliter l'apprentissage du générateur.
+- Le label flipping qui consiste a inverser de temps en temps les valeurs de vérité fournies au discriminateur pour la encore faciliter l'apprentissage du générateur.
 
 # écoute des morceaux générés : 
 
@@ -56,6 +57,10 @@ Voici quelques pistes d'amélioration:
 
 ## __Sources__ :
 
+- [Article medium sur le sujet](https://towardsdatascience.com/bachgan-using-gans-to-generate-original-baroque-music-10c521d39e52), nous utilisons une architecture de GAN assez différente de la sienne pour éviter d'avoir un nombre trop important de paramètres mais l'idée en similaire.
+- [Repo git de fonctions sur les fichiers midi](https://github.com/mathigatti/midi2img)
+- [librairire python music21](https://web.mit.edu/music21/)
+