Le projet DinG est un corpus de transcriptions de dialogues oraux spontanés entre joueurs francophones de Catan, un jeu de société où la négociation de ressources est centrale. Ce corpus a été conçu pour mettre en valeur le travail du SLAM corpus et peut être utilisé comme ressource pour l'étude de la langue française et le développement de l'intelligence artificielle conversationnelle.

ATEM est un cadre novateur pour l'étude de l'évolution des sujets dans les archives scientifiques. Il est basé sur la modélisation de sujets dynamiques et les techniques d'embarquement de graphes dynamiques qui explorent les dynamiques du contenu et des citations des documents dans un corpus scientifique.

Corpus et outils pour études diachroniques de la prononciation en langue anglaise basée sur dictionnaires, démonstration de l'intérêt du jupyter notebook pour la création d'outils de recherche sur mesure pour l'interrogation de données structurées.

Le projet CHI-KNOW-PO a pour objectif d'identifier des schémas de co-occurrence de champs lexicaux et de emprunts textuels à travers les genres dans la Chine médiévale, en se concentrant plus spécifiquement sur les plantes parmi d'autres thèmes. Le projet se déroule en trois étapes : la numérisation, l'édition et la publication d'une corpus d'anthologies poétiques, de commentaires, de dictionnaires, d'encyclopédies et de traités pratiques de la période médiévale chinoise (environ 200-1000 apr. J.-C.) ; la création d'une base de données avec des informations bio-bibliographiques et sémantiques utiles pour des fins d'édition et d'exploration de textes ; et le développement de scripts permettant d'effectuer des recherches, des filtres et des analyses statistiques personnalisés pour étudier la co-occurrence de mots et de groupes de mots dans des textes donnés et identifier d'éventuels cas de réutilisation textuelle.

Le projet Collex Persée DISCO-LGE a pour objectif d'étudier et de mettre La Grande Encyclopédie à disposition de la communauté scientifique et du grand public. Pour y parvenir, des outils de traitement automatisés ont été développés pour traiter les livres physiques, décompresser les archives, renommer les fichiers, segmenter et encoder les articles, et convertir le corpus au format PRESTO.

Ce projet vise à analyser la distribution des références spatiales dans les contributions du Grand Débat, à l'aide de modèles de traitement automatique du langage naturel. Il permet d'étudier la place occupée par les mentions de localisation et de spatialisation dans les textes du corpus du Grand Débat.

Ce projet vise à étudier la structuration automatique et l'éditorialisation d'un corpus hétérogène, en prenant pour exemple les sources du conseil des prud'hommes pour le textile du XIXème siècle du projet Time Us. Il contient des exemples de documents d'archives, des scripts ScanTailor, des captures d'écran de l'interface graphique des outils utilisés dans le cadre du projet (Transkribus, eScriptorium et ShareDocs), des sets de fichiers tests pour l'annotation manuelle, des schémas ODD pour les différentes sources du projet, des scripts python pour automatiser la structuration et l'annotation des sources, des captures d'écran de la publication numérique des minutes structurées et les fichiers utilisés pour cette éditorialisation.

EPIQUE est un prototype d'outil d'analyse de l'évolution de la science dans les archives de documents. Il permet l'extraction et l'alignement de sujets à partir de corpus de documents, ainsi que la visualisation de graphes d'évolution de sujets. Il est implémenté sur Apache Spark et Jupyter Notebook et est utilisé pour étudier l'évolution de la science dans les corpus de documents.