From 6351b0447c366a049d8cb15cd04a8e0b10e62a10 Mon Sep 17 00:00:00 2001
From: Jean-Philippe ARGAUD <jean-philippe.argaud@edf.fr>
Date: Sat, 20 Nov 2021 14:47:29 +0100
Subject: [PATCH] Minor documentation and code review corrections (8)

---
 doc/en/index.rst                             | 12 +++++++-----
 doc/en/ref_userpostanalysis_requirements.rst |  4 ++--
 doc/fr/index.rst                             | 13 ++++++++-----
 doc/fr/ref_userpostanalysis_requirements.rst |  4 ++--
 4 files changed, 19 insertions(+), 14 deletions(-)

diff --git a/doc/en/index.rst b/doc/en/index.rst
index df9d2d6..583472e 100644
--- a/doc/en/index.rst
+++ b/doc/en/index.rst
@@ -39,11 +39,13 @@ optimal estimate of the inaccessible true value of a system state, eventually
 over time. It uses information coming from experimental measurements or
 observations, and from numerical *a priori* models, including information about
 their errors. Parts of the framework are also known under the names of
-*inverse problems*, *parameter estimation*, *Bayesian estimation*, *optimal
-interpolation*, *field reconstruction*, etc. More details can be found in the
-section :ref:`section_theory`. The ADAO module currently offers more than one
-hundred different algorithmic methods and allows the study of about 350
-distinct applied problems.
+*calibration*, *adjustment*, *state estimation*, *parameter estimation*,
+*parameter adjustment*, *inverse problems*, *Bayesian estimation*, *optimal
+interpolation*, *mathematical regularization*, *meta-heuristics for
+optimization*, *model reduction*, *data smoothing*, etc. More details can be
+found in the section :ref:`section_theory`. The ADAO module currently offers
+more than one hundred different algorithmic methods and allows the study of
+about 350 distinct applied problems.
 
 The documentation for this module is divided into several major categories,
 related to the theoretical documentation (indicated in the section title by
diff --git a/doc/en/ref_userpostanalysis_requirements.rst b/doc/en/ref_userpostanalysis_requirements.rst
index bc515cd..c7f4692 100644
--- a/doc/en/ref_userpostanalysis_requirements.rst
+++ b/doc/en/ref_userpostanalysis_requirements.rst
@@ -170,7 +170,7 @@ Print on standard output and, in the same time save in a file of the '/tmp' dire
     print('# Post-analysis')
     import numpy
     xa=ADD.get('Analysis')[-1]
-    print 'Analysis',xa
+    print('Analysis',xa)
     f='/tmp/analysis.txt'
     print('Analysis saved in "%s"'%f)
     numpy.savetxt(f,xa)
@@ -217,7 +217,7 @@ Print on standard output and, in the same time save in a file of the '/tmp' dire
     print('# Post-analysis')
     import numpy
     xa=ADD.get('Analysis')
-    print 'Analysis',xa
+    print('Analysis',xa)
     f='/tmp/analysis.txt'
     print('Analysis saved in "%s"'%f)
     numpy.savetxt(f,xa)
diff --git a/doc/fr/index.rst b/doc/fr/index.rst
index 5056e11..21ff932 100644
--- a/doc/fr/index.rst
+++ b/doc/fr/index.rst
@@ -40,11 +40,14 @@ système, éventuellement au cours du temps. Il utilise des informations
 provenant de mesures expérimentales, ou observations, et de modèles numériques
 *a priori*, y compris des informations sur leurs erreurs. Certaines des
 méthodes incluses dans ce cadre sont également connues sous les noms de
-*problèmes inverses*, *estimation de paramètres*, *estimation bayésienne*,
-*interpolation optimale*, *reconstruction de champs*, etc. De plus amples
-détails peuvent être trouvés dans la partie proposant :ref:`section_theory`. Le
-module ADAO offre actuellement plus d'une centaine de méthodes algorithmiques
-différentes et permet l'étude d'environ 350 problèmes appliqués distincts.
+*calage* ou *recalage*, *calibration*, *estimation d'état*, *estimation de
+paramètres*, *ajustement de paramètres*, *problèmes inverses* ou *inversion*,
+*estimation bayésienne*, *interpolation optimale*, *régularisation
+mathématique*, *méta-heuristiques* d'optimisation, *réduction de modèles*,
+*lissage de données*, etc. De plus amples détails peuvent être trouvés dans la
+partie proposant :ref:`section_theory`. Le module ADAO offre actuellement plus
+d'une centaine de méthodes algorithmiques différentes et permet l'étude
+d'environ 350 problèmes appliqués distincts.
 
 La documentation de ce module est divisée en plusieurs grandes catégories,
 relatives à la documentation théorique (indiquée dans le titre de section par
diff --git a/doc/fr/ref_userpostanalysis_requirements.rst b/doc/fr/ref_userpostanalysis_requirements.rst
index ee0659f..89ae3a2 100644
--- a/doc/fr/ref_userpostanalysis_requirements.rst
+++ b/doc/fr/ref_userpostanalysis_requirements.rst
@@ -174,7 +174,7 @@ Imprime sur la sortie standard et, en même temps enregistre dans un fichier du
     print('# Post-analysis')
     import numpy
     xa=ADD.get('Analysis')[-1]
-    print 'Analysis',xa
+    print('Analysis',xa)
     f='/tmp/analysis.txt'
     print('Analysis saved in "%s"'%f)
     numpy.savetxt(f,xa)
@@ -221,7 +221,7 @@ Imprime sur la sortie standard et, en même temps enregistre dans un fichier du
     print('# Post-analysis')
     import numpy
     xa=ADD.get('Analysis')
-    print 'Analysis',xa
+    print('Analysis',xa)
     f='/tmp/analysis.txt'
     print('Analysis saved in "%s"'%f)
     numpy.savetxt(f,xa)
-- 
2.39.2