fixed my own correction

report/report.qmd

@@ -138,7 +138,7 @@ le minimum recherché. Ce cas sera illustré plus tard.
 A travers les exemples présenté sur la @fig-basegd-lr, nous pouvons facilement
 se convaincre que le bon choix de la valeur du taux d'apprentissage, comme
 beaucoup de choses dans la vie, repose sur un compromis. La valeur de $\lambda$
-ne doit à la fois ne pas être trop petite (sinon le nombre d'itérations deviendra
+doit à la fois ne pas être trop petite (sinon le nombre d'itérations deviendra
 énorme), ni trop grande (risque de rater un minimum, en "sautant" par-dessus).
 
 Dès lors, la valeur du taux d'apprentissage choisie pour les algorithmes de