diff --git a/readme.md b/readme.md
index e3be29fbf1dcf1ed025beeaec186152914fe6ce0..1f3e411bbe1f856e68c4799b6e26c017e19a5f2f 100644
--- a/readme.md
+++ b/readme.md
@@ -12,6 +12,8 @@ Le partitionnement de données (_clustering_) consiste à grouper des données
 en _clusters_ de façon à ce que les éléments d'un même groupe soient similaires les
 uns aux autres ou d'un élément virtuel représentant le centre de gravité du
 groupe.
+On entendra "similarité" au sens de la fonction de calcul de similarité choisie
+(voir section "calcul de similarité").
 
 ![kmeans clustering](./img/kmeans_clustering.png)
 
@@ -89,12 +91,7 @@ $$ \vec{D_e} = \sqrt{(x_2-x_1)^2 + (y_2-y_1)^2} = \sqrt{(x-y)^2} $$
 La distance de Manhattan ($D_m$) entre un point $x$ et $y$ correspond à :
 $$ \vec{D_m} = |(x_1 - y_1)| + |(x_2 - y_2)| $$
 
-
-
-
-
-
-
+#### Distance circulaire