diff --git a/SAFT/algo.py b/SAFT/algo.py
new file mode 100644
index 0000000..a5b5443
--- /dev/null
+++ b/SAFT/algo.py
@@ -0,0 +1,40 @@
+import numpy as np
+from math import sqrt, pow
+
+def saft_algorithm(image, h, wid, hig, win, A, B):
+    """
+    Implémentation de l'algorithme SAFT pour corriger les images.
+
+    :param image: np.array, l'image à traiter sous forme de tableau 2D numpy.
+    :param h: int, hauteur des données sum_prod.
+    :param wid: int, largeur de l'image.
+    :param hig: int, hauteur de l'image.
+    :param win: int, taille de la fenêtre de moyenne.
+    :param A: float, coefficient de correction.
+    :param B: float, coefficient de correction.
+    :return: np.array, l'image corrigée.
+    """
+    # Initialisation du vecteur sum_prod
+    sum_prod = np.zeros(h, dtype=np.int32)
+    k = win // 2
+
+    # Parcourir les colonnes principales
+    for j in range(k, wid - k):
+        # Parcourir les lignes adjacentes à la colonne en cours
+        for j1 in range(j - k, j + k):
+            distx = abs(j - j1)
+
+            # Parcourir les lignes de pixels
+            for i1 in range(hig):
+                dif_f = sqrt(pow(i1 * A, 2) + pow(distx * B, 2)) - (i1 * A)
+                dif_i = int(dif_f / A)
+
+                if 0 <= i1 - dif_i < hig:
+                    sum_prod[i1] = (image[j1, i1 - dif_i] - 128 * (image[j, i1] - 128) + sum_prod[i1])
+
+        # Normalisation des résultats et mise à jour de l'image
+        for ix in range(hig):
+            sum_prod[ix] = int(sum_prod[ix] / win)
+            image[j, ix] = np.clip(sum_prod[ix] + 128, 0, 255).astype(np.uint8)
+
+    return image