diff --git a/docs/en/2-Publishing/Custom.md b/docs/en/2-Publishing/Custom.md
index 660f932ad..f53282876 100644
--- a/docs/en/2-Publishing/Custom.md
+++ b/docs/en/2-Publishing/Custom.md
@@ -2,8 +2,7 @@
## Custom Web Apps
-We can deploy anything as long as it's open source and we can put it in a Docker
-container. For instance, Node.js apps, Flask or Dash apps. Etc.
+We can deploy anything as long as it's open source and we can put it in a Docker container. For instance, Node.js apps, Flask or Dash apps. Etc.
@@ -11,13 +10,10 @@ container. For instance, Node.js apps, Flask or Dash apps. Etc.
!!! info "See the source code for this app"
We just push these kinds of applications through GitHub into the server.
-# Setup
+## Setup
-## How to get your app hosted
+### How to get your app hosted
-If you already have a web app in a git repository then, as soon as it's
-containerized, we can fork the Git repository into the StatCan GitHub repository
-and point a URL to it. To update it, you'll just interact with the StatCan
-GitHub repository with Pull Requests.
+If you already have a web app in a git repository then, as soon as it's containerized, we can fork the Git repository into the StatCan GitHub repository and point a URL to it. To update it, you'll just interact with the StatCan GitHub repository with Pull Requests.
**Contact us if you have questions.**
diff --git a/docs/en/2-Publishing/Datasette.md b/docs/en/2-Publishing/Datasette.md
index 56724c164..1d8091d68 100644
--- a/docs/en/2-Publishing/Datasette.md
+++ b/docs/en/2-Publishing/Datasette.md
@@ -1,23 +1,17 @@
# Overview
-Datasette is an instant JSON API for your SQLite databases allowing you to
-explore the DB and run SQL queries in a more interactive way.
+Datasette is an instant JSON API for your SQLite databases allowing you to explore the DB and run SQL queries in a more interactive way.
You can find a list of example datasettes
[here](https://github.com/simonw/datasette/wiki/Datasettes).
!!! faq "The Datasette Ecosystem"
- There are all sorts of tools for converting data to and from sqlite
- [here](https://docs.datasette.io/en/stable/ecosystem.html). For example,
- you can load shapefiles into sqlite, or create [Vega](https://vega.github.io/vega/)
- plots from a sqlite database. SQLite works well with `R`, `Python`, and many other tools.
+ There are all sorts of tools for converting data to and from sqlite [here](https://docs.datasette.io/en/stable/ecosystem.html). For example, you can load shapefiles into sqlite, or create [Vega](https://vega.github.io/vega/) plots from a sqlite database. SQLite works well with `R`, `Python`, and many other tools.
## Example Datasette
-Below are some screenshots from the
-[global-power-plants](https://global-power-plants.datasettes.com) Datasette, you
-can preview and explore the data in the browser, either with clicks or SQL
+Below are some screenshots from the [global-power-plants](https://global-power-plants.datasettes.com) Datasette, you can preview and explore the data in the browser, either with clicks or SQL
queries.
@@ -35,19 +29,15 @@ You can even explore maps within the tool!
## Installing Datasette
-In your Jupyter Notebook, open a terminal window and run the command
-`pip3 install datasette`.
+In your Jupyter Notebook, open a terminal window and run the command `pip3 install datasette`.
+
## Starting Datasette
-To view your own database in your Jupyter Notebook, create a file called
-start.sh in your project directory and copy the below code into it. Make the
-file executable using `chmod +x start.sh`. Run the file with `./start.sh`.
-Access the web server using the **base URL** with the port number you are using
-in the below file.
+To view your own database in your Jupyter Notebook, create a file called start.sh in your project directory and copy the below code into it. Make the file executable using `chmod +x start.sh`. Run the file with `./start.sh`. Access the web server using the **base URL** with the port number you are using in the below file.
**start.sh**
@@ -78,8 +68,7 @@ datasette $DATABASE --cors --config max_returned_rows:100000 --config sql_time_l
you will not be able to simply access it from `http://localhost:5000/` as
normally suggested in the output upon running the web-app.
- To access the web server you will need to use the base URL. In your notebook
- terminal, run:
+ To access the web server you will need to use the base URL. In your notebook terminal, run:
```python
echo https://kubeflow.covid.cloud.statcan.ca${JUPYTER_SERVER_URL:19}proxy/5000/
diff --git a/docs/en/2-Publishing/PowerBI.md b/docs/en/2-Publishing/PowerBI.md
index f805b89ff..c0ed1cfba 100644
--- a/docs/en/2-Publishing/PowerBI.md
+++ b/docs/en/2-Publishing/PowerBI.md
@@ -2,8 +2,7 @@
## Loading data into Power BI
-We do not offer a Power BI server, but you can pull your data into Power BI from
-our Storage system, and use the data as a `pandas` data frame.
+We do not offer a Power BI server, but you can pull your data into Power BI from our Storage system, and use the data as a `pandas` data frame.
@@ -17,22 +16,16 @@ our Storage system, and use the data as a `pandas` data frame.
## Set up Power BI
-Open up your Power BI system, and open up this
-[Power BI quick start](https://raw.githubusercontent.com/StatCan/aaw-contrib-jupyter-notebooks/master/querySQL/power_bi_quickstart.py)
-in your favourite text editor.
+Open up your Power BI system, and open up this [Power BI quick start](https://raw.githubusercontent.com/StatCan/aaw-contrib-jupyter-notebooks/master/querySQL/power_bi_quickstart.py) in your favourite text editor.
-You'll have to make sure that `pandas`, `boto3`, and `numpy` are installed, and
-that you're using the right Conda virtual environment (if applicable).
+You'll have to make sure that `pandas`, `boto3`, and `numpy` are installed, and that you're using the right Conda virtual environment (if applicable).
-You'll then need to make sure that Power BI is using the correct Python
-environment. This is modified from the options menu, and the exact path is
-specified in the quick start guide.
+You'll then need to make sure that Power BI is using the correct Python environment. This is modified from the options menu, and the exact path is specified in the quick start guide.
## Edit your python script
-Then, edit your Python script to use your MinIO `ACCESS_KEY` and `SECRET_KEY`,
-and then click "Get Data" and copy it in as a Python Script.
+Then, edit your Python script to use your MinIO `ACCESS_KEY` and `SECRET_KEY`, and then click "Get Data" and copy it in as a Python Script.
diff --git a/docs/en/2-Publishing/R-Shiny.md b/docs/en/2-Publishing/R-Shiny.md
index 52c1382b6..6673a62bd 100644
--- a/docs/en/2-Publishing/R-Shiny.md
+++ b/docs/en/2-Publishing/R-Shiny.md
@@ -12,7 +12,9 @@ R-Shiny is an R package that makes it easy to build interactive web apps in R.
_Publish Professional Quality Graphics_
+
[](../R-Shiny/)
+
R Shiny is an open source web application framework that allows data scientists and analysts to create interactive, web-based dashboards and data visualizations using the R programming language. One of the main advantages of R Shiny is that it offers a straightforward way to create high-quality, interactive dashboards without the need for extensive web development expertise. With R Shiny, data scientists can leverage their R coding skills to create dynamic, data-driven web applications that can be shared easily with stakeholders.
@@ -22,7 +24,7 @@ Another advantage of R Shiny is that it supports a variety of data visualization
R Shiny is also highly extensible and can be integrated with other open source tools and platforms to build end-to-end data science workflows. With its powerful and flexible features, R Shiny is a popular choice for building data visualization dashboards for a wide range of applications, from scientific research to business analytics. Overall, R Shiny offers a powerful, customizable, and cost-effective solution for creating interactive dashboards and data visualizations.
-Use **[R-Shiny](/2-Publishing/R-Shiny/)** to build interactive web apps straight from R. You can deploy your R Shiny dashboard by submitting a pull request to our [R-Dashboards GitHub repository](https://github.com/StatCan/R-dashboards).
+Use **[R-Shiny](../R-Shiny/)** to build interactive web apps straight from R. You can deploy your R Shiny dashboard by submitting a pull request to our [R-Dashboards GitHub repository](https://github.com/StatCan/R-dashboards).
# R Shiny UI Editor
diff --git a/docs/fr/2-Publication/Dash.md b/docs/fr/2-Publication/Dash.md
index 80b552e94..5e75ab716 100644
--- a/docs/fr/2-Publication/Dash.md
+++ b/docs/fr/2-Publication/Dash.md
@@ -31,7 +31,7 @@ Ceci est un exemple de mise en page avec figure et curseur de
_Publier avec des logiciels fabriqués au Canada._
-**[Plotly Dash](/2-Publishing/Dash/)** est une bibliothèque Python populaire qui vous permet de créer facilement des visualisations et des tableaux de bord Web interactifs. Développé par la société montréalaise Plotly, Dash a acquis la réputation d'être un outil puissant et flexible pour créer des graphiques de science des données personnalisés. Avec Dash, vous pouvez tout créer, des simples graphiques linéaires aux tableaux de bord complexes de plusieurs pages avec des widgets et des commandes interactifs. Parce qu'il repose sur des technologies open source telles que Flask, React et Plotly.js, Dash est hautement personnalisable et peut être facilement intégré à d'autres outils et workflows de science des données. Que vous soyez data scientist, analyste ou développeur, Dash peut vous aider à créer des visualisations attrayantes et informatives qui donnent vie à vos données.
+**[Plotly Dash](../Dash/)** est une bibliothèque Python populaire qui vous permet de créer facilement des visualisations et des tableaux de bord Web interactifs. Développé par la société montréalaise Plotly, Dash a acquis la réputation d'être un outil puissant et flexible pour créer des graphiques de science des données personnalisés. Avec Dash, vous pouvez tout créer, des simples graphiques linéaires aux tableaux de bord complexes de plusieurs pages avec des widgets et des commandes interactifs. Parce qu'il repose sur des technologies open source telles que Flask, React et Plotly.js, Dash est hautement personnalisable et peut être facilement intégré à d'autres outils et workflows de science des données. Que vous soyez data scientist, analyste ou développeur, Dash peut vous aider à créer des visualisations attrayantes et informatives qui donnent vie à vos données.
# Commencer
diff --git a/docs/fr/2-Publication/Datasette.md b/docs/fr/2-Publication/Datasette.md
index 51eb9e539..ec8472866 100644
--- a/docs/fr/2-Publication/Datasette.md
+++ b/docs/fr/2-Publication/Datasette.md
@@ -1,8 +1,6 @@
# Aperçu
-Datasette est une API JSON instantanée pour vos bases de données SQLite qui
-permet d'explorer la BD et d'exécuter des requêtes SQL de manière plus
-interactive.
+Datasette est une API JSON instantanée pour vos bases de données SQLite qui permet d'explorer la BD et d'exécuter des requêtes SQL de manière plus interactive.
Vous pouvez trouver une liste d'exemples de datasettes
[ici](https://github.com/simonw/datasette/wiki/Datasettes).
@@ -13,30 +11,32 @@ Vous pouvez trouver une liste d'exemples de datasettes
## Exemple Datasette
-Voici quelques captures d'écran du Datasette
-[global-power-plants](https://global-power-plants.datasettes.com), vous pouvez
-prévisualiser et explorer les données dans le navigateur, que ce soit par des
+Voici quelques captures d'écran du Datasette [global-power-plants](https://global-power-plants.datasettes.com), vous pouvez prévisualiser et explorer les données dans le navigateur, que ce soit par des
clics ou des requêtes SQL.
Vous pouvez même explorer des cartes au sein de l'outil!
-[Exécuter des requêtes SQL](../images/datasette-sql.png)
+
-# Didacticiel vidéo
+
# Commencer
-## Installation des Datasettes
+## Installation de l'ensemble de données
-Pour visualiser votre base de données dans votre bloc-notes Jupyter, créez le
-fichier _bash_ suivant dans votre répertoire de projet, rendre le fichier
-exécutable en utilisant `chmod +x start.sh` puis exécutez-le avec la commande
-`./start.sh`. Accédez au serveur web en utilisant le **URL de base** avec le
-numéro de port que vous utilisez dans le fichier ci-dessous.
+Dans votre Jupyter Notebook, ouvrez une fenêtre de terminal et exécutez la commande `pip3 install datasette`.
+
+
+ 
+
+
+## Démarrage de l'ensemble de données
+
+Pour afficher votre propre base de données dans votre bloc-notes Jupyter, créez un fichier appelé `start.sh` dans le répertoire de votre projet et copiez-y le code ci-dessous. Rendez le fichier exécutable en utilisant `chmod +x start.sh`. Exécutez le fichier avec `./start.sh`. Accédez au serveur Web à l'aide de l'**URL de base** avec le numéro de port que vous utilisez dans le fichier ci-dessous.
**start.sh**
diff --git a/docs/fr/2-Publication/Overview.md b/docs/fr/2-Publication/Overview.md
index d1219a3e7..6b964b6b8 100644
--- a/docs/fr/2-Publication/Overview.md
+++ b/docs/fr/2-Publication/Overview.md
@@ -1,13 +1,13 @@
## Publication statistique
-_De beaux graphismes sont importants dans la publication statistique car ils rendent les données plus accessibles et compréhensibles pour un public plus large._
+_De beaux graphiques sont importants dans la publication statistique car ils rendent les données plus accessibles et compréhensibles pour un public plus large._
-La publication est un aspect essentiel de la science des données et des statistiques. Il permet aux chercheurs de partager leurs découvertes avec la communauté scientifique au sens large, permettant à d'autres de s'appuyer sur leurs travaux et de faire avancer le domaine. En partageant ouvertement leurs données et leurs méthodes, les chercheurs peuvent recevoir des commentaires sur leurs travaux et s'assurer que leurs conclusions sont exactes et fiables.
+La publication est un aspect essentiel de la science des données et des statistiques. Il permet aux chercheurs de partager leurs découvertes avec la communauté scientifique au sens large, permettant ainsi à d’autres de s’appuyer sur leurs travaux et de faire avancer le domaine. En partageant ouvertement leurs données et leurs méthodes, les chercheurs peuvent recevoir des commentaires sur leurs travaux et garantir que leurs résultats sont précis et fiables.
-La publication permet aux chercheurs d'établir leur réputation et d'obtenir la reconnaissance de leurs travaux, ce qui peut aider à obtenir des financements et de futures opportunités de recherche. En outre, la publication des résultats de la recherche peut avoir des implications importantes pour les politiques publiques et la prise de décision, car les décideurs s'appuient souvent sur des preuves scientifiques pour prendre des décisions éclairées. Dans l'ensemble, la publication fait partie intégrante du processus scientifique et joue un rôle essentiel dans l'avancement des connaissances et la résolution de problèmes du monde réel.
+La publication permet aux chercheurs d’établir leur réputation et d’obtenir la reconnaissance de leurs travaux, ce qui peut contribuer à obtenir des financements et de futures opportunités de recherche. En outre, la publication des résultats de la recherche peut avoir des implications importantes sur les politiques publiques et la prise de décision, dans la mesure où les décideurs s’appuient souvent sur des preuves scientifiques pour prendre des décisions éclairées. Dans l’ensemble, la publication fait partie intégrante du processus scientifique et joue un rôle essentiel dans l’avancement des connaissances et la résolution de problèmes du monde réel.
-La publication statistique consiste à communiquer des informations statistiques à un public plus large à l'aide de diverses formes de médias, tels que des graphiques et des infographies. Avoir de beaux graphiques est important dans la publication statistique car cela rend les données plus accessibles et compréhensibles pour un public plus large. Des visualisations bien conçues peuvent aider à communiquer des concepts et des modèles statistiques complexes de manière claire et convaincante, permettant au public de saisir rapidement les principales idées et conclusions.
+La publication statistique consiste à communiquer des informations statistiques à un public plus large en utilisant diverses formes de médias, tels que des tableaux, des graphiques et des infographies. Avoir de beaux graphiques est important dans la publication statistique car cela rend les données plus accessibles et compréhensibles pour un public plus large. Des visualisations bien conçues peuvent aider à communiquer des concepts et des modèles statistiques complexes de manière claire et convaincante, permettant au public de saisir rapidement les principales informations et conclusions.
-De beaux graphismes peuvent améliorer l'impact global des publications statistiques, les rendant plus attrayantes et mémorables. Cela peut être particulièrement important lors de la communication d'informations importantes aux décideurs, aux acteurs ou au grand public, où la capacité à communiquer clairement et efficacement des informations basées sur les données peut être essentielle pour réussir.
+De superbes graphiques peuvent améliorer l’impact global des publications statistiques, les rendant plus attrayantes et mémorables. Cela peut être particulièrement important lors de la communication d'informations importantes aux décideurs, aux parties prenantes ou au grand public, où la capacité de communiquer clairement et efficacement des informations basées sur les données peut être essentielle pour réussir.
-En résumé, la science des données et la publication de statistiques sont essentielles pour transformer des données complexes en informations significatives, et avoir de beaux graphiques est un aspect crucial pour communiquer efficacement ces informations à un public plus large.
+En résumé, la science des données et la publication statistique sont essentielles pour transformer des données complexes en informations significatives, et disposer de superbes graphiques est un aspect crucial pour communiquer efficacement ces informations à un public plus large.
\ No newline at end of file
diff --git a/docs/fr/2-Publication/PowerBI.md b/docs/fr/2-Publication/PowerBI.md
index 82c101f9c..add2a9da9 100644
--- a/docs/fr/2-Publication/PowerBI.md
+++ b/docs/fr/2-Publication/PowerBI.md
@@ -1,39 +1,30 @@
-# Chargement des données dans Power BI
+# Aperçu
-Nous ne proposons pas de serveur Power BI, mais vous pouvez extraire vos données
-dans Power BI à partir de notre système de stockage et les utiliser comme une
-trame de données `pandas`.
+## Chargement des données dans Power BI
+
+Nous ne proposons pas de serveur Power BI, mais vous pouvez extraire vos données dans Power BI à partir de notre système de stockage et les utiliser comme une trame de données `pandas`.
-# Installation
+## Installation
-## Ce dont vous aurez besoin
+### Ce dont vous aurez besoin
1. Un ordinateur avec Power BI et Python 3.6
-2. Vos `ACCESS_KEY` et `SECRET_KEY` MinIO (voir [Stockage](../Stockage.md))
-
-## Connectez-vous
+2. Vos `ACCESS_KEY` et `SECRET_KEY` MinIO (voir [Stockage](../5-Stockage/Aperçu.md))
-### Configurez Power BI
+## Configurez Power BI
-Ouvrez votre système Power BI et ouvrez
-[démarrage rapide de Power BI](https://raw.githubusercontent.com/StatCan/aaw-contrib-jupyter-notebooks/master/querySQL/power_bi_quickstart.py)
-dans votre éditeur de texte préféré.
+Ouvrez votre système Power BI et ouvrez [démarrage rapide de Power BI](https://raw.githubusercontent.com/StatCan/aaw-contrib-jupyter-notebooks/master/querySQL/power_bi_quickstart.py) dans votre éditeur de texte préféré.
-Assurez-vous que `pandas`, `boto3` et `numpy` sont installés et que vous
-utilisez le bon environnement virtuel Conda (le cas échéant).
+Assurez-vous que `pandas`, `boto3` et `numpy` sont installés et que vous utilisez le bon environnement virtuel Conda (le cas échéant).
-Ensuite, assurez-vous que Power BI utilise le bon environnement Python. Vous
-pouvez modifier cet élément à partir du menu des options. Le chemin d'accès
-exact est indiqué dans le guide de démarrage rapide.
+Ensuite, assurez-vous que Power BI utilise le bon environnement Python. Vous pouvez modifier cet élément à partir du menu des options. Le chemin d'accès exact est indiqué dans le guide de démarrage rapide.
### Modifiez votre script Python
-Ensuite, modifiez votre script Python pour utiliser vos `ACCESS_KEY` et
-`SECRET_KEY` MinIO, puis cliquez sur « Obtenir des données » et copiez-le en
-tant que script Python.
+Ensuite, modifiez votre script Python pour utiliser vos `ACCESS_KEY` et `SECRET_KEY` MinIO, puis cliquez sur « Obtenir des données » et copiez-le en tant que script Python.
diff --git a/docs/fr/2-Publication/R-Shiny.md b/docs/fr/2-Publication/R-Shiny.md
index a5e728fee..a58c67dda 100644
--- a/docs/fr/2-Publication/R-Shiny.md
+++ b/docs/fr/2-Publication/R-Shiny.md
@@ -6,15 +6,17 @@ R-Shiny est un package R qui facilite la création d'applications Web interactiv
!!! info "Hébergement d'applications R Shiny"
Nous ne prenons actuellement pas en charge l'hébergement d'applications R Shiny, mais vous pouvez les créer. Nous souhaitons activer l'hébergement de l'application R Shiny à l'avenir.
-
+
-## R brillant
+## R Shiny
_Publier des graphismes de qualité professionnelle_
-[](/2-Publishing/R-Shiny/)
+
+[](../R-Shiny/)
+
-R Shiny est un framework d'application Web open source qui permet aux data scientists et aux analystes de créer des tableaux de bord et des visualisations de données interactifs basés sur le Web à l'aide du langage de programmation R. L'un des principaux avantages de R Shiny est qu'il offre un moyen simple de créer des tableaux de bord interactifs de haute qualité sans avoir besoin d'une expertise approfondie en développement Web. Avec R Shiny, les data scientists peuvent tirer parti de leurs compétences en codage R pour créer des applications Web dynamiques, basées sur les données, qui peuvent être facilement partagées avec les acteurs.
+R Shiny est un framework d'application Web open source qui permet aux scientifiques de données et aux analystes de créer des tableaux de bord et des visualisations de données interactifs basés sur le Web à l'aide du langage de programmation R. L'un des principaux avantages de R Shiny est qu'il offre un moyen simple de créer des tableaux de bord interactifs de haute qualité sans avoir besoin d'une expertise approfondie en développement Web. Avec R Shiny, les scientifiques de données peuvent tirer parti de leurs compétences en codage R pour créer des applications Web dynamiques, basées sur les données, qui peuvent être facilement partagées avec les acteurs.
Un autre avantage de R Shiny est qu'il prend en charge une variété de visualisations de données qui peuvent être facilement personnalisées pour répondre aux besoins du projet. Les utilisateurs peuvent créer une large gamme de diagrammes et de graphiques, allant de simples diagrammes à barres et nuages de points à des cartes thermiques et des graphiques de réseau plus complexes. De plus, R Shiny prend en charge une variété de widgets interactifs qui permettent aux utilisateurs de manipuler et d'explorer des données en temps réel.
@@ -22,9 +24,9 @@ Un autre avantage de R Shiny est qu'il prend en charge une variété de visualis
R Shiny est également hautement extensible et peut être intégré à d'autres outils et plates-formes open source pour créer des workflows de science des données de bout en bout. Avec ses fonctionnalités puissantes et flexibles, R Shiny est un choix populaire pour créer des tableaux de bord de visualisation de données pour un large éventail d'applications, de la recherche scientifique à l'analyse commerciale. Dans l'ensemble, R Shiny offre une solution puissante, personnalisable et rentable pour créer des tableaux de bord interactifs et des visualisations de données.
-Utilisez **[R-Shiny](/2-Publishing/R-Shiny/)** pour créer des applications Web interactives directement à partir de R. Vous pouvez déployer votre tableau de bord R Shiny en soumettant une demande d'extraction à notre [référentiel R-Dashboards GitHub ](https://github.com/StatCan/R-dashboards).
+Utilisez **[R-Shiny](../R-Shiny/)** pour créer des applications Web interactives directement à partir de R. Vous pouvez déployer votre tableau de bord R Shiny en soumettant une demande d'extraction à notre [Référentiel R-Dashboards GitHub ](https://github.com/StatCan/R-dashboards).
-# R Éditeur d'interface utilisateur brillant
+# Éditeur d'interface utilisateur R Shiny
Le script Rscript suivant installe les packages requis pour exécuter "shinyuieditor" sur l'ETAA. Il commence par installer les packages R nécessaires et utilise `conda` pour installer `yarn`.
@@ -75,27 +77,27 @@ shinyuieditor::launch_editor(app_loc = "./")
La première chose que vous verrez est le sélecteur de modèle. Il existe trois options au moment d'écrire ces lignes (`shinyuieditor` est actuellement en alpha).
-
+
### Mode fichier unique ou multi
Je recommande le **mode multi-fichiers**, cela mettra le code back-end dans un fichier appelé `server.R` et le front-end dans un fichier appelé `ui.R`.
-
+
### Concevez votre application
Vous pouvez concevoir votre application avec du code ou l'interface utilisateur graphique. Essayez de concevoir la mise en page avec l'interface graphique et de concevoir les tracés avec du code.
-
+
Toutes les modifications que vous apportez dans `shinyuieditor` apparaîtront immédiatement dans le code.
-
+
Toute modification que vous apportez au code apparaîtra immédiatement dans le `shinyuieditor`.
-
+
## Publication sur l'ETAA
@@ -108,8 +110,8 @@ Si vous avez besoin d'installer des bibliothèques R supplémentaires, envoyez v
-!!! exemple "Voir le tableau de bord ci-dessus ici"
- Le tableau de bord ci-dessus est dans GitHub. Jetez un œil à [la source](https://github.com/StatCan/R-dashboards/tree/master/bus-dashboard) et [voir le tableau de bord en direct](https://shiny.covid.cloud. statcan.ca/bus-dashboard).
+!!! example "Voir le tableau de bord ci-dessus ici"
+ Le tableau de bord ci-dessus est dans GitHub. Jetez un œil à [la source](https://github.com/StatCan/R-dashboards/tree/master/bus-dashboard).
## Une fois que vous avez les bases...
diff --git a/docs/fr/2-Publication/Sur-mesure.md b/docs/fr/2-Publication/Sur-mesure.md
index ccb4af005..7557823b4 100644
--- a/docs/fr/2-Publication/Sur-mesure.md
+++ b/docs/fr/2-Publication/Sur-mesure.md
@@ -1,23 +1,18 @@
-# Applications Web personnalisées
+# Aperçu
-Nous pouvons tout déployer, dans la mesure où il s'agit de logiciel libre, et
-nous pouvons le mettre dans un conteneur Docker (p. ex. applications Node.js,
-Flask, Dash).
+## Applications Web personnalisées
+
+Nous pouvons tout déployer, dans la mesure où il s'agit de logiciel libre, et nous pouvons le mettre dans un conteneur Docker (p. ex. applications Node.js, Flask, Dash).
!!! info "Voir le code de source de cette application"
- Nous intégrons ces types d'applications au serveur au moyen de GitHub. La
- source de l'application ci-dessus est ici :
- [`StatCan/covid19`](https://github.com/StatCan/covid19).
+ Nous intégrons ces types d'applications au serveur au moyen de GitHub.
-# Comment faire héberger votre application
+## Installation
+### Comment faire héberger votre application
-Si vous avez déjà une application Web dans un répertoire Git, dès qu'elle est
-placée dans un conteneur Docker, nous pouvons intégrer le répertoire Git dans le
-répertoire GitHub de StatCan et pointer une URL vers elle. Pour la mettre à
-jour, il vous suffit d'interagir avec le répertoire GitHub de StatCan au moyen
-de demandes d'extraction.
+Si vous avez déjà une application Web dans un répertoire Git, dès qu'elle est placée dans un conteneur Docker, nous pouvons intégrer le répertoire Git dans le répertoire GitHub de StatCan et pointer une URL vers elle. Pour la mettre à jour, il vous suffit d'interagir avec le répertoire GitHub de StatCan au moyen de demandes d'extraction.
**Si vous avez des questions, n'hésitez pas à communiquer avec nous.**
diff --git a/docs/fr/images/InstallDatasette.PNG b/docs/fr/images/InstallDatasette.PNG
new file mode 100644
index 000000000..c5b10b057
Binary files /dev/null and b/docs/fr/images/InstallDatasette.PNG differ
diff --git a/docs/fr/images/Publier.png b/docs/fr/images/Publier.png
index 20397cf65..1d6923f2d 100644
Binary files a/docs/fr/images/Publier.png and b/docs/fr/images/Publier.png differ