fix: Remplacement des emojis par du texte clair dans EXAMEN.md

Les emojis (✅ ❌ 🚀) ne s'affichent pas correctement selon le viewer Markdown.
Remplacés par du texte clair :
- ✅ → **[OK]** ou "OK :"
- ❌ → **[NON]** ou "ERREUR"
- 🚀 → supprimé

Cela garantit un affichage cohérent sur tous les viewers (GitHub, GitLab, éditeurs locaux).

🤖 Generated with [Claude Code](https://claude.com/claude-code)

docs/EXAMEN.md

@@ -276,9 +276,9 @@ Epoch 5: val_loss = 0.41
 **1. Arrêt : Epoch 5**
 
 Analyse epoch par epoch :
-- Epoch 1 → 2 : amélioration de 0.05 (0.50 - 0.45 = 0.05) ✅ = min_delta
-- Epoch 2 → 3 : amélioration de 0.02 (0.45 - 0.43 = 0.02) ❌ < min_delta (compteur = 1)
-- Epoch 3 → 4 : amélioration de 0.01 (0.43 - 0.42 = 0.01) ❌ < min_delta (compteur = 2)
+- Epoch 1 → 2 : amélioration de 0.05 (0.50 - 0.45 = 0.05) **[OK]** = min_delta
+- Epoch 2 → 3 : amélioration de 0.02 (0.45 - 0.43 = 0.02) **[NON]** < min_delta (compteur = 1)
+- Epoch 3 → 4 : amélioration de 0.01 (0.43 - 0.42 = 0.01) **[NON]** < min_delta (compteur = 2)
 - **Compteur atteint patience=2 → STOP**
 
 **2. Poids restaurés : Epoch 2**
@@ -417,8 +417,8 @@ y_pred = model.predict(X_test)
 
 Ligne problématique :
 ```python
-X_val = scaler.fit_transform(X_val)    # ❌ ERREUR
-X_test = scaler.fit_transform(X_test)  # ❌ ERREUR
+X_val = scaler.fit_transform(X_val)    # ERREUR
+X_test = scaler.fit_transform(X_test)  # ERREUR
 ```
 
 **Pourquoi c'est un problème ?**
@@ -430,9 +430,9 @@ X_test = scaler.fit_transform(X_test)  # ❌ ERREUR
 ```python
 # Normalisation
 scaler = StandardScaler()
-X_train = scaler.fit_transform(X_train)  # ✅ fit + transform sur train
-X_val = scaler.transform(X_val)          # ✅ transform seulement (utilise stats de train)
-X_test = scaler.transform(X_test)        # ✅ transform seulement (utilise stats de train)
+X_train = scaler.fit_transform(X_train)  # OK : fit + transform sur train
+X_val = scaler.transform(X_val)          # OK : transform seulement (utilise stats de train)
+X_test = scaler.transform(X_test)        # OK : transform seulement (utilise stats de train)
 ```
 
 **Règle d'or :** Ne jamais `fit` sur validation ou test. Toujours utiliser les statistiques (moyenne, écart-type) calculées sur le training set uniquement.
@@ -640,4 +640,4 @@ Train et test accuracy basses et similaires. Le modèle est trop simple.
 
 **Astuce :** Ne regardez pas les réponses immédiatement. Essayez d'abord de répondre, puis vérifiez et comprenez vos erreurs.
 
-Bon apprentissage ! 🚀
+Bon apprentissage !