diff --git a/bot/src/dqn/burnrl/main.rs b/bot/src/dqn/burnrl/main.rs
index d6162df..dbd6e53 100644
--- a/bot/src/dqn/burnrl/main.rs
+++ b/bot/src/dqn/burnrl/main.rs
@@ -14,16 +14,16 @@ fn main() {
 
     // See also MEMORY_SIZE in dqn_model.rs : 8192
     let conf = dqn_model::DqnConfig {
-        num_episodes: 40,
-        min_steps: 250.0, // min steps by episode (mise à jour par la fonction)
-        max_steps: 2000,  // max steps by episode
-        dense_size: 256,  // neural network complexity
-        eps_start: 0.9,   // epsilon initial value (0.9 => more exploration)
-        eps_end: 0.05,
+        num_episodes: 40, // default : 40
+        min_steps: 250.0, // min of max steps by episode (mise à jour par la fonction)(default 1000 ?)
+        max_steps: 3000,  // max steps by episode (default 1000 ?)
+        dense_size: 256,  // neural network complexity (default 128)
+        eps_start: 0.9,   // epsilon initial value (0.9 => more exploration) (default 0.9)
+        eps_end: 0.05,    // (default 0.05)
         // eps_decay higher = epsilon decrease slower
         // used in : epsilon = eps_end + (eps_start - eps_end) * e^(-step / eps_decay);
         // epsilon is updated at the start of each episode
-        eps_decay: 3000.0,
+        eps_decay: 5000.0, // default 1000 ?
 
         gamma: 0.999, // discount factor. Plus élevé = encourage stratégies à long terme
         tau: 0.005, // soft update rate. Taux de mise à jour du réseau cible. Plus bas = adaptation
@@ -31,7 +31,7 @@ fn main() {
         learning_rate: 0.001, // taille du pas. Bas : plus lent, haut : risque de ne jamais
         // converger
         batch_size: 32, // nombre d'expériences passées sur lesquelles pour calcul de l'erreur moy.
-        clip_grad: 100.0, // plafonnement du gradient : limite max de correction à apporter
+        clip_grad: 50.0, // limite max de correction à apporter au gradient (default 100)
     };
     println!("{conf}----------");
     let agent = dqn_model::run::<Env, Backend>(&conf, false); //true);