diff --git a/R/creer_graphe_5_2.R b/R/creer_graphe_5_2.R
index a6f084645b62b6172935e9f1e9dcd0e56b21bb7e..e4a64c34bef58fe737c033feb5f3d36db3125bea 100644
--- a/R/creer_graphe_5_2.R
+++ b/R/creer_graphe_5_2.R
@@ -5,8 +5,8 @@
 #'
 #' @return une liste de deux graphiques ggplot
 #' @importFrom COGiter filtrer_cog
-#' @importFrom dplyr filter select arrange mutate group_by summarise ungroup row_number lead bind_rows
-#' @importFrom ggplot2 ggplot geom_line aes labs scale_y_continuous coord_cartesian theme
+#' @importFrom dplyr filter select arrange mutate group_by summarise ungroup row_number lead bind_rows case_when pull
+#' @importFrom ggplot2 ggplot geom_line aes labs scale_y_continuous coord_cartesian theme unit
 #' @importFrom ggtext geom_textbox
 #' @importFrom glue glue
 #' @importFrom gouvdown scale_color_gouv_discrete scale_fill_gouv_discrete
@@ -61,7 +61,7 @@ creer_graphe_5_2 <- function(millesime_obs_artif,code_reg) {
 
   data <- data %>%
     dplyr::group_by(.data$TypeZone,.data$Zone) %>%
-    dplyr::mutate(simul_ou_dernier_mesure = case_when(
+    dplyr::mutate(simul_ou_dernier_mesure = dplyr::case_when(
       simul ~ TRUE,
       !simul & dplyr::lead(simul) ~ TRUE,
       TRUE ~ FALSE
@@ -102,13 +102,13 @@ creer_graphe_5_2 <- function(millesime_obs_artif,code_reg) {
 
   note_de_lecture_zone_departements <- as.character(data_segment_departements[1,]$Zone)
   note_de_lecture_date_departements <- lubridate::year(data_segment_departements[1,]$date)
-  note_de_lecture_valeur_en_date_departements <- max(data_departements %>% dplyr::filter(.data$Zone==note_de_lecture_zone_departements) %>% pull(valeur),na.rm=TRUE)
+  note_de_lecture_valeur_en_date_departements <- max(data_departements %>% dplyr::filter(.data$Zone==note_de_lecture_zone_departements) %>% dplyr::pull(valeur),na.rm=TRUE)
   note_de_lecture_valeur_tendance_departements <- data_segment_departements[1,]$valeur_tendance
   note_de_lecture_valeur_objectif_departements <- data_segment_departements[1,]$valeur_objectif
 
   note_de_lecture_zone_region <- as.character(data_segment_region[1,]$Zone)
   note_de_lecture_date_region <- lubridate::year(data_segment_region[1,]$date)
-  note_de_lecture_valeur_en_date_region <- max(data_region %>% dplyr::filter(.data$Zone==note_de_lecture_zone_region) %>% pull(valeur),na.rm=TRUE)
+  note_de_lecture_valeur_en_date_region <- max(data_region %>% dplyr::filter(.data$Zone==note_de_lecture_zone_region) %>% dplyr::pull(valeur),na.rm=TRUE)
   note_de_lecture_valeur_tendance_region <- data_segment_region[1,]$valeur_tendance
   note_de_lecture_valeur_objectif_region <- data_segment_region[1,]$valeur_objectif
 
@@ -174,7 +174,7 @@ creer_graphe_5_2 <- function(millesime_obs_artif,code_reg) {
     ggplot2::coord_cartesian(clip = "off",expand = FALSE) +
     ggplot2::theme(
       legend.position = "none",
-      plot.margin = unit(c(1, 8, 1, 1), "lines")
+      plot.margin = ggplot2::unit(c(1, 8, 1, 1), "lines")
     ) +
     gouvdown::scale_color_gouv_discrete(palette = "pal_gouv_qual1") +
     gouvdown::scale_fill_gouv_discrete(palette = "pal_gouv_qual1")
diff --git a/inst/rmarkdown/templates/publication/skeleton/skeleton.Rmd b/inst/rmarkdown/templates/publication/skeleton/skeleton.Rmd
index c8bbc79c3597a4299b9874b9fd34c6d7000cf248..878b9481c8ca21083a9c401a0104ad4496883c73 100644
--- a/inst/rmarkdown/templates/publication/skeleton/skeleton.Rmd
+++ b/inst/rmarkdown/templates/publication/skeleton/skeleton.Rmd
@@ -7,10 +7,10 @@ output:
     # logo: "prefecture_r52"
 params:
   millesime_ocsge: 2016
-  millesime_obs_artif: 2020
+  millesime_obs_artif: 2021
   millesime_etalement_urbain: 2020
   millesime_population: 2019
-  millesime_stock_artif: 2020
+  millesime_stock_artif: 2021
   code_reg: 52
 title: "La consommation d'espace en `r mapfactory::get_nom_reg(params$code_reg)` en `r params$millesime_obs_artif`"
 ---