diff --git a/mysignal/__init__.py b/mysignal/__init__.py
index 7525d19..66a87bb 100644
--- a/mysignal/__init__.py
+++ b/mysignal/__init__.py
@@ -1 +1 @@
-__version__ = '0.1.4'
+__version__ = '0.1.5'
diff --git a/mysignal/phasefreq.py b/mysignal/phasefreq.py
index eb6bf88..32f2fb2 100644
--- a/mysignal/phasefreq.py
+++ b/mysignal/phasefreq.py
@@ -9,7 +9,7 @@ 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, nyquist=False):
+def filter_signal_by_modes(time, signal, num_modes=1, bandwidth_factor=0.1):
     """
     Filtre un signal pour extraire ses composantes fréquentielles dominantes.
 
@@ -68,17 +68,13 @@ def filter_signal_by_modes(time, signal, num_modes=1, bandwidth_factor=0.1, nyqu
         lowcut = max(0.01, freq - bandwidth)  # Éviter les fréquences négatives
         highcut = freq + bandwidth
     
-        if nyquist:
-            # Éviter les fréquences supérieures à la fréquence de Nyquist
-            nyq = 0.5 * fs
-            highcut = min(highcut, nyq * 0.99)  # Laisser une marge
-    
-            # Normaliser les fréquences
-            lowcut_norm = lowcut / nyq
-            highcut_norm = highcut / nyq
-        else:
-            lowcut_norm = lowcut
-            highcut_norm = highcut
+        # Éviter les fréquences supérieures à la fréquence de Nyquist
+        nyq = 0.5 * fs
+        highcut = min(highcut, nyq * 0.99)  # Laisser une marge
+
+        # Normaliser les fréquences
+        lowcut_norm = lowcut / nyq
+        highcut_norm = highcut / nyq
         
         print(f"Filtrage à {freq:.2f} Hz: [{lowcut_norm:.3f}, {highcut_norm:.3f}] (normalisé)")