ConnectionLens est un outil permettant de trouver des connexions entre des termes spécifiés par l'utilisateur à travers plusieurs sources de données hétérogènes. Il considère un ensemble de sources de données indépendantes comme un graphe virtuel unique, où les nœuds représentent des éléments de données fins (par exemple, des tuples relationnels, des attributs, des paires clé-valeur, des nœuds RDF, JSON ou XML) et les arêtes correspondent soit à des connexions structurelles (par exemple, un tuple est dans une base de données, un attribut est dans un tuple, un nœud JSON a un parent, etc.) soit à des liens de similarité (sameAs). Pour enrichir le contenu avec lequel les journalistes travaillent, ConnectionLens détecte également les personnes, les organisations, etc. mentionnées dans le texte, que ce soit du texte intégral ou des extraits trouvés dans des données RDF ou XML.

Mangoes est un outil permettant de traiter des données textuelles, de calculer des co-occurrences et de générer des représentations de mots (word embeddings) à l'aide de méthodes d'apprentissage automatique non supervisées. Il propose également des méthodes d'évaluation statistique et intrinsèque ainsi que des outils de visualisation.

Ce projet fournit un dataset pour mesurer les biais stéréotypiques dans les modèles de langage maskés (MLMs) en français. Il s'appuie sur le corpus CrowS-Pairs (Nangia et al. 2020) et l'étend en corrigeant les problèmes rapportés par Blodgett et al. (2021), en traduisant le contenu révisé en français et en collectant de nouveaux stéréotypes en français. Le dataset couvre dix types de biais : race/couleur, genre/identité de genre, orientation sexuelle, religion, âge, nationalité, handicap, apparence physique, statut socio-économique et 'autre'.

Connection-Studio est une plateforme web permettant l'analyse et la visualisation de données biologiques, en particulier des réseaux d'interactions moléculaires. Il permet l'intégration de données hétérogènes et la recherche de motifs dans des données textuelles.

Ce projet consiste en une méthode d'extraction de relations dans des données biomédicales en injectant des embeddings de graphes de connaissances (RotatE) dans BERT. Il fournit également des outils pour préparer les données en vue de leur utilisation dans l'apprentissage automatique en biomédecine.

Abstra est un système permettant de créer le schéma E-R de n'importe quel ensemble de données RDF, JSON ou XML. D'autres formats seront ajoutés dans le futur.

Dtk-voice est un projet open source d'assistant vocal permettant la reconnaissance et la synthèse vocale, la commande vocale ainsi que diverses fonctionnalités d'assistant virtuel.

Le projet french-propaganda a pour but d'analyser et de visualiser la propagande française sur les réseaux sociaux. Il utilise des techniques d'apprentissage automatique pour détecter les biais dans les médias et suivre les tendances dans les discours politiques.

Ce projet vise à démontrer l'efficacité de l'utilisation de WordNet pour l'entailement lexicale, une tâche d'évaluation sémantique entre deux mots ou expressions. Il propose une méthode non supervisée pour résoudre cette tâche, utilisant des techniques d'apprentissage automatique telles que Gensim, NLTK, NumPy, Pandas, scikit-learn, SciPy, Torch et Transformers.

Ce projet permet de créer des cartes 3D à partir d'images capturées par des caméras fisheye et de localiser un robot à partir d'images capturées par des caméras fisheye. Il utilise des techniques de traitement d'images avancées telles que la reconstruction 3D, la correspondance de caractéristiques et la minimisation d'écart pour aligner les images et estimer la pose du robot.