Plateforme facilitant la mise en relation entre les personnes éloignées de l'emploi et les employeurs solidaires, ainsi que les accompagnants. Offre un outil mutualisé pour simplifier les procédures, fluidifier les parcours d'insertion et renforcer la qualité de l'accompagnement.

Moteur de recherche d'adresses. Addok indexe vos données d'adresses et fournit une API HTTP pour la recherche en texte intégral. Il est extensible avec des plugins, par exemple pour la géocodification de fichiers CSV. Utilisé en production par l'administration française, avec environ 26 millions d'adresses. Il importe l'intégralité des données françaises en environ 15 minutes et peut gérer jusqu'à environ 2000 recherches par seconde.

Ce projet utilise TensorFlow et scikit-learn pour effectuer des analyses et classifications de données, en particulier du texte, grâce au traitement du langage naturel avec des outils tels que gensim et NLTK.

Ce projet est une API REST simple qui permet de pseudonymiser des textes en remplaçant les entités identifiables telles que les noms propres par des tokens. Il est basé sur un modèle d'apprentissage automatique supervisé utilisant une architecture biLSTM + CRF pour la reconnaissance d'entités nommées.

Le projet ami-ia vise à accompagner les administrations publiques dans des projets d'expérimentation de l'intelligence artificielle. Il propose des ressources, des ateliers et des bonnes pratiques pour la communauté AMI IA.

Projet de recherche et développement en intelligence artificielle dédié à l'analyse de données médicales et à l'aide à la décision médicale.

Le projet vise à analyser les signalements de la DGS grâce aux techniques d'intelligence artificielle. Il se compose de 4 livrables : un socle technique d'ingestion des données, des algorithmes de classification des signalements, des algorithmes de regroupement des signalements, et une interface de traitement des signalements.

Le projet DGML vise à construire un catalogue de jeux de données de data.gouv.fr pour le Machine Learning. Il permet de sélectionner rapidement des jeux de données réutilisables par des algorithmes de ML et d'avoir un aperçu rapide des informations utiles pour faire du Machine Learning sur ce jeu de données.

This project uses Machine Learning to predict the validation or refusal of a specific type of administrative requests, with a focus on understanding and explaining the choices taken by the algorithms.

Ce projet consiste en un outil d'analyse de données textuelles, permettant la génération de résumés automatisés, la recherche de similarités sémantiques et la classification de données. Il est basé sur des algorithmes d'apprentissage automatique et des modèles de langage avancés.