Le projet eds-pseudo est un outil de détection et de pseudonymisation d'entités nominatives dans des documents, initialement développé pour les rapports cliniques du système d'information de santé de l'AP-HP. Il repose sur une combinaison de règles et de modèles de deep learning, et permet de détecter des adresses, dates, noms, prénoms, numéros de sécurité sociale, etc.

EDS-PDF est un framework modulaire permettant d'extraire des informations textuelles à partir de documents PDF. Il peut être utilisé tel quel ou être étendu pour s'adapter à des cas d'utilisation spécifiques. Il propose un système de pipeline et divers utilitaires pour la visualisation et le traitement de PDF, ainsi que plusieurs composants pour construire des modèles complexes.

Bibliothèque PyTorch étendant la gestion des tenseurs en offrant un traitement efficace de tenseurs contenant des séquences imbriquées de tailles variables. Elle permet le pliage/dépliage (ou l'enroulement/déroulement) de dimensions de données basées sur une structure interne de longueurs de séquences. Cette bibliothèque est particulièrement utile lors du travail avec des données qui peuvent être divisées de différentes manières et permet d'éviter de choisir une représentation fixe.