diff --git a/documentation/source/presentation_stat.rst b/documentation/source/presentation_stat.rst
index f0f035a..9540cf2 100644
--- a/documentation/source/presentation_stat.rst
+++ b/documentation/source/presentation_stat.rst
@@ -104,7 +104,86 @@ Enfin une fonction rudimentaire a été ajouté pour présenter ces données dan
             \hline 
         \end{tabular}
 
-
 Générer des données aléatoirement
 ---------------------------------
 
+Ce module permet aussi de créer aléatoirement des données à travers la méthode *random* de *Dataset*.
+
+    .. code-block:: python
+
+        >>> Dataset.random(10)
+        [-0.14, 0.3, -0.55, 1.02, -2.02, -1.17, 1.47, 1.22, -1.38, 0.02]
+
+Par défaut, les données sont générées suivant une loi normale de paramètres 0, 1 et les valeurs sont arrondis à deux chiffres après la virgule. 
+
+Ces paramètres sont modifiables pour avoir une gestion plus fine des données souhaitées.
+
+Distribution des données
+^^^^^^^^^^^^^^^^^^^^^^^^
+
+La méthode random accepte deux arguments pour gérer la création de données:
+
+- *distrib*: cet argument peut avoir deux formes. Soit c'est la fonction qui genèrera des données soit c'est un élément de la liste ["gauss", "uniform", "randint", "choice"] qui fera directement appel aux fonctions correspondantes du module *random* intégré dans python.
+
+- rd_args: Ce sont les arguments à faire passer à *distrib*.
+
+  .. code-block:: python
+    
+        >>> Dataset.random(10, distrib = "uniform", rd_args = (20, 30)) # des données uniformes entre 20 et 30
+        [23.2, 25.84, 28.97, 24.38, 20.07, 24.57, 28.54, 26.73, 20.36, 22.03]
+        >>> Dataset.random(10, distrib = "choice", rd_args = [[10, 50, 100]]) # Tirage aléatoire entre 10, 50 et 100
+        [100, 10, 10, 50, 50, 50, 10, 100, 50, 100]
+        >>> toujours_un = lambda *args:1 #un fonction qui renvoie toujours 1
+        >>> Dataset.random(10, distrib = toujours_un) # Génère des données pas très aléatoire ici...
+        [1, 1, 1, 1, 1, 1, 1, 1, 1, 1]
+        >>> from random import expovariate
+        >>> Dataset.random(10, distrib=expovariate, rd_args=[2])
+        [0.75, 0.0, 0.21, 0.12, 0.23, 0.38, 0.53, 0.22, 0.15, 0.67]
+
+Formatage des données
+^^^^^^^^^^^^^^^^^^^^^
+
+Il est possible de gérer le formatage des données crées par la fonction de distribution avec la méthode *nbr_format*. Ce doit être une fonction.
+
+Par défaut cette fonction, arrondis tous les nombres au centième.
+
+    .. code-block:: python
+
+        >>> Dataset.random(10, nbr_format = int) # Tous les nombres devront être des entiers.
+        [1, 0, 0, 0, -1, 1, -2, -1, 0, 0]
+        >>> Dataset.random(3, nbr_format = lambda x : 10*x+100) # Tous les nombres générés sont multipliés par 10 et augmenter de 100.
+        >>> Dataset.random(10, distrib="choice", rd_args=["LOTERIE"], nbr_format=str) # Tirage aléatoire des lettres du mot LOTERIE
+        ['E', 'E', 'O', 'T', 'T', 'T', 'L', 'E', 'I', 'I']
+
+Restrindre les données
+^^^^^^^^^^^^^^^^^^^^^^
+
+On peut vouloir (en particulier pour une distribution normale - gaussienne) que les valeurs générées soient comprises entre deux nombres. Deux arguments gèrent la valeur maximale et minimale: *v_min* et *v_max*.
+
+    .. code-block:: python
+
+        >>> Dataset.random(10, v_min = 0)
+        [2.31, 0.6, 1.21, 0.86, 0.1, 0.09, 0.86, 0.85, 0.59, 0.22]
+
+Contrôle de la moyenne
+^^^^^^^^^^^^^^^^^^^^^^
+
+Il est possible de contrôler la moyenne des données générées grâce à l'argument *exact_mean*:
+
+    .. code-block:: python
+
+        >>> d = Dataset.random(10)
+        >>> d.mean()
+        -0.29
+        >>> d = Dataset.random(10, exact_mean = 0)
+        >>> d
+        [-1.55, 1.07, 0.54, -1.79, -0.8, -0.18, 0.85, 1.33, -0.93, 1.46]
+        >>> d.mean()
+        0
+        >>> d = Dataset.random(10, exact_mean = 10) 
+        >>> d # On remarque que la dernière valeur n'est plus générée par une N(0,1)
+        [-0.07, 0.93, 0.05, -1.05, 2.34, 0.27, 0.96, -0.9, 0.02, 97.45]
+        >>> d.mean()
+        10
+
+