Le PEReN est un service public à compétence nationale qui mobilise une expertise technique souveraine en science des données pour accompagner les pouvoirs publics dans la régulation des plateformes numériques et de l'intelligence artificielle. Il réalise des audits, développe des outils innovants et partage ses productions en open source pour une régulation transparente et collaborative, au service de l'intérêt général.

Ce projet est un dépôt dédié à l'étude de modèles multimodaux pour la classification zeroshot. Il permet d'utiliser de manière simple différents modèles multimodaux et d'en ajouter facilement de nouveaux. Le module offre également la possibilité d'évaluer ces modèles sur des jeux de données multimodaux en s'appuyant sur plusieurs métriques.

Ce projet propose une API pour extraire des tableaux à partir de fichiers PDF. Il utilise des modèles de machine learning pour détecter les bordures des tables dans les documents et les récupérer au format CSV.

Ce projet vise à analyser l'impact du framework AMP développé par Google sur la visibilité des résultats de recherche et sur les performances des pages web. Il contient des scripts de benchmark de référencement et de performance, ainsi que des notebooks permettant de comparer le rang d'apparition de résultats et les différences de performance.

API de soumission de résultats et de calcul de score pour un hackathon, avec protection d'accès au leaderboard final par clé API et limitation de taux de requêtes.

Ce dépôt contient des informations utiles pour les participants au défi n°2 'Jean Zay' de l'hackathon 'Digital Services (h)Acked', organisé par PEReN et la Commission européenne. Il s'agit de développer un outil utilisant des modèles de langage open source pour fournir des réponses substantiées à des questions relatives aux données de plateforme, en particulier celles mises à disposition via des API.

Ce projet propose une bibliothèque permettant de comparer des profils de recommandations à partir de jeux de données fournis. Il permet de calculer une matrice de distance entre profils et de représenter cette matrice sous forme de graphe.