-% \section{Conclusion}
-
-% The first contribution of this paper is to propose of a distortion
-% function which is based on second order derivatives. These
-% partial derivatives allow to accurately compute
-% the level curves and thus to look favorably on pixels
-% without clean level curves.
-% Two approaches to build these derivatives have been proposed.
-% The first one is based on revisiting kernels usually embedded
-% in edge detection algorithms.
-% The second one is based on the polynomial approximation
-% of the bitmap image.
-% These two methods have been completely implemented.
-% The first experiments have shown that the security level
-% is slightly inferior the one of the most stringent approaches. These first promising results encourage us to deeply investigate this research direction.
-
-% Future works aiming at improving the security of this proposal are planned as follows. The authors want first to focus on other approaches to provide second order derivatives with larger discrimination power.
-% Then, the objective will be to deeply investigate whether the H\"older norm is optimal when the objective is to avoid null second order derivatives, and to give priority to the largest second order values.
-
-
+\section{Conclusion}
+La principale contribution de ce chapitre est de proposer des
+fonctions de distorsion basées sur des approximations de dérivées
+secondes, l'idée sous-jacente étant qu'une zone où les lignes de niveau
+ne sont pas clairement définies est peu prédictible.
+Deux approches d'approximation ont été présentées.
+La première basée
+sur un produit de convolution, exploite des noyaux déjà intégrés dans des
+algorithmes de détection de bords.
+La seconde s'appuie sur une interpolation polynomiale de l'image.
+Ces deux méthodes onté été complètement implantées et leur sécurité
+face à des stéganalyseurs a été étudiée. Les résultats encouragent
+à poursuivre dans cette direction.
\ No newline at end of file
