diff --git a/mysignal/__init__.py b/mysignal/__init__.py
index b5fb6c4..cdf16bc 100644
--- a/mysignal/__init__.py
+++ b/mysignal/__init__.py
@@ -1 +1 @@
-__version__ = '0.1.23'
+__version__ = '0.1.24'
diff --git a/mysignal/phasefreq.py b/mysignal/phasefreq.py
index 8d5a566..aed699a 100644
--- a/mysignal/phasefreq.py
+++ b/mysignal/phasefreq.py
@@ -12,7 +12,7 @@ from scipy.stats import linregress
 from scipy.optimize import curve_fit
 
 
-def filter_signal_by_modes(time, signal, num_modes=1, bandwidth_factor=0.1, required_cycles=100):
+def filter_signal_by_modes(time, signal, num_modes=1, bandwidth_factor=0.1, required_cycles=100, dominant_freqs=None):
     """
     Filtre un signal pour extraire ses composantes fréquentielles dominantes.
 
@@ -20,6 +20,7 @@ def filter_signal_by_modes(time, signal, num_modes=1, bandwidth_factor=0.1, requ
         time (array-like): Array contenant les données temporelles.
         signal (array-like): Array contenant les données du signal.
         num_modes (int): Nombre de modes fréquentiels à extraire.
+        dominant_freqs: les frequences des modes, if None, computed internally
 
     Returns:
         tuple: (filtered_signals, frequencies, time_filtered)
@@ -38,25 +39,26 @@ def filter_signal_by_modes(time, signal, num_modes=1, bandwidth_factor=0.1, requ
     # Supprimer la composante DC
     signal_clean = signal - np.mean(signal)
 
-    # Calculer la FFT
-    n = len(time)
-    fft_signal = fft(signal_clean)
-    freqs = fftfreq(n, dt)
+    if dominant_freqs is None:
+        # Calculer la FFT
+        n = len(time)
+        fft_signal = fft(signal_clean)
+        freqs = fftfreq(n, dt)
 
-    # Prendre seulement les fréquences positives
-    positive_mask = freqs > 0
-    freqs_pos = freqs[positive_mask]
-    fft_pos = fft_signal[positive_mask]
+        # Prendre seulement les fréquences positives
+        positive_mask = freqs > 0
+        freqs_pos = freqs[positive_mask]
+        fft_pos = fft_signal[positive_mask]
 
-    # Trouver les pics dans le spectre
-    magnitude = np.abs(fft_pos)
-    peaks, _ = find_peaks(magnitude, height=0.1*np.max(magnitude))
-    peak_freqs = freqs_pos[peaks]
-    peak_mags = magnitude[peaks]
+        # Trouver les pics dans le spectre
+        magnitude = np.abs(fft_pos)
+        peaks, _ = find_peaks(magnitude, height=0.1*np.max(magnitude))
+        peak_freqs = freqs_pos[peaks]
+        peak_mags = magnitude[peaks]
 
-    # Trier les pics par magnitude et sélectionner les num_modes plus importants
-    idx = np.argsort(peak_mags)[-num_modes:]
-    dominant_freqs = peak_freqs[idx]
+        # Trier les pics par magnitude et sélectionner les num_modes plus importants
+        idx = np.argsort(peak_mags)[-num_modes:]
+        dominant_freqs = peak_freqs[idx]
 
     # Trier les fréquences par ordre croissant
     dominant_freqs.sort()