LaREx est une solution innovante conçue pour détecter les décalages de distribution dans les données d'entrée des modèles d'intelligence artificielle, notamment ceux utilisés en vision par ordinateur. Elle permet d'évaluer la fiabilité des systèmes de classification d'images, de détection d'objets et de segmentation sémantique en identifiant les écarts entre les données d'entraînement et les nouvelles données. Développée par des chercheurs soutenus par des programmes publics français, cette méthode offre une approche légère et efficace pour renforcer la sécurité des applications critiques.

Outil permettant d'évaluer la résistance des circuits électroniques aux injections de fautes, notamment pour sécuriser les processeurs. Il analyse la robustesse des designs contre des attaques matérielles en partitionnant les composants et en vérifiant leur intégrité. Utilisé dans le domaine de la cybersécurité matérielle, il aide à identifier les failles exploitables et à renforcer la fiabilité des systèmes critiques comme les CPU sécurisés.

Module Scilab dédié à l'analyse quantitative des arbres de défaillances dynamiques. Il permet d'évaluer les risques et la fiabilité des systèmes critiques en utilisant des méthodes stochastiques et des bornes probabilistes. Utilisé pour la modélisation de scénarios de défaillance et l'optimisation de la sûreté de fonctionnement dans des domaines comme l'aéronautique ou l'énergie.

Ce projet permet la simulation et le prototypage rapides de systèmes de communication grâce à l'utilisation du framework Aff3ct. Il offre une plateforme flexible pour tester et évaluer les performances de différents protocoles de communication, ce qui permet de réduire les délais de développement de prototypes et d'améliorer la fiabilité des systèmes de communication.

Ce dépôt centralise des tests dédiés aux infrastructures de calcul haute performance (HPC) gérées par le CINES. Il permet d'évaluer les performances, la fiabilité et la stabilité des systèmes HPC à travers des scripts de test couvrant la mémoire, les entrées/sorties, les communications réseau et la gestion des jobs. Ces tests sont conçus pour valider et optimiser les environnements de calcul scientifique utilisés par la communauté académique et de recherche en France.

Composer est un modèle multimodal de langage (MLLM) conçu pour améliorer la transparence et la fiabilité des systèmes d'intelligence artificielle. Il utilise des proxy-tokens appris pour établir un lien sémantique entre les caractéristiques visuelles et les réponses textuelles, permettant une interprétation plus fidèle des données visuelles. Le projet inclut également un jeu de données, ComposerGCoT, pour évaluer la cohérence du raisonnement et la précision de l'ancrage visuel, offrant ainsi une approche innovante pour des modèles d'IA plus explicables et dignes de confiance.

Outil dédié à l'analyse chimique par spectroscopie proche infrarouge (NIRS). Il permet aux utilisateurs de sélectionner des échantillons pertinents pour des analyses chimiques, de créer des modèles de prédiction (comme la régression PLS) à partir de spectres NIRS et de données chimiques associées, puis d'utiliser ces modèles pour prédire des valeurs chimiques sur des échantillons inconnus. Le système intègre également des indicateurs de confiance pour évaluer la fiabilité des prédictions.

Quadogeo est un projet dédié à l'amélioration et à l'évaluation de la qualité des données géographiques. Il propose des outils, méthodes et ressources pour analyser, corriger et standardiser les données spatiales selon la norme ISO-19157. Le projet s'adresse aux professionnels des systèmes d'information géographique (SIG) et aux acteurs publics souhaitant garantir la fiabilité de leurs données cartographiques.

Ce projet expérimental vise à analyser et optimiser la tension de réveil précoce dans des systèmes embarqués. Il combine des outils d'analyse de temps d'exécution, des modifications binaires et une surveillance en temps réel via une carte Arduino. Les benchmarks sont exécutés en continu, avec mesure des temps de sommeil, de checkpoint et d'exécution pour évaluer l'efficacité énergétique et la fiabilité des systèmes.

Ce projet propose des algorithmes d'approximation interne pour les systèmes linéaires d'équations par intervalles, appliqués à l'analyse des capacités des robots. Il permet de calculer des polytopes, des boules ou des cubes inscrits dans des ensembles définis, afin d'évaluer de manière fiable les performances et les limites opérationnelles des systèmes robotiques.