Ce projet open source permet de comparer et évaluer différents pipelines de modélisation numérique de terrain (DSM). Il facilite l'analyse statistique des reconstructions 3D générées par diverses méthodes (NASA ASP, CNES CARS, s2p-hd, IGN Micmac) et compare ces résultats à des vérités terrain. Les outils intégrés permettent de quantifier les performances des algorithmes pour des applications en cartographie, télédétection ou gestion des risques naturels.

Projet collaboratif entre la DEPP et le SSP Lab (Insee) visant à évaluer la possibilité d'assister la correction humaine de dictées manuscrites d'élèves par l'intelligence artificielle. Il compare deux approches (end-to-end et two-step) pour prédire des codes d'évaluation sur des copies scannées, en mesurant leur accord avec des experts humains. Le projet inclut également l'évaluation de modèles de transcription (HTR) et le fine-tuning de modèles spécialisés pour l'écriture manuscrite d'élèves.

Ce projet permet de comparer différentes méthodes de régression à haute dimension, offrant une analyse approfondie des données scientifiques ou industrielles complexes. Il facilite l'évaluation de la performance des modèles de prédiction en fournissant des résultats clairs et précis.

Bibliothèque Python conçue pour uniformiser et simplifier l'entraînement, l'inférence et l'évaluation des modèles de détection d'objets et de segmentation d'instances. Elle permet aux chercheurs et développeurs de basculer facilement entre différents modèles avec un minimum de modifications, tout en fournissant des métriques d'évaluation standardisées et des structures de données adaptées.

Dynmod est un modèle démographique simplifié conçu pour simuler la dynamique des troupeaux d'élevage ruminant. Il permet d'estimer la production annuelle d'animaux, les poids vifs, la production de viande et d'autres produits dérivés (lait, peaux, fumier). Le modèle aide à évaluer l'impact de scénarios variés sur la gestion des troupeaux, comme l'équilibre démographique après un choc ou la variation de production suite à un événement climatique. Il est utilisé dans des projets de développement ou pour des diagnostics rapides.

Ce projet scientifique développe un outil en R pour quantifier l'impact de l'ajout de données opportunistes (comme les observations citoyennes) dans les modèles d'estimation de l'abondance et de la distribution de la mégafaune marine. Il simule des campagnes d'observation, intègre des données opportunistes, et compare les résultats avec des abondances simulées pour évaluer la précision des modèles. L'objectif est d'améliorer les méthodes de conservation et de gestion des écosystèmes marins.

Projet académique dédié à la simulation et à l'analyse de reconfigurations logicielles dans des environnements distribués. Il permet de modéliser des composants, des assemblages et des langages de reconfiguration pour évaluer des scénarios complexes. Les expériences peuvent être exécutées localement ou sur des infrastructures comme Grid5000, avec des résultats collectés pour des analyses comparatives.

Outil dédié à l'amélioration de la détection d'anomalies (OOD) dans les modèles d'apprentissage profond. Il permet d'appliquer la méthode LogitNorm pour normaliser les logits lors de l'entraînement, renforçant ainsi la robustesse des modèles face à des données hors distribution. Le projet inclut également des fonctionnalités d'évaluation comparative de différentes méthodes de détection d'anomalies sur des jeux de données prédéfinis.

Ce projet se concentre sur l'optimisation des simulations fluides en utilisant la transformée en ondelettes discrète (DWT) pour une compression dynamique des données sur GPU. Il évalue les performances de différents algorithmes de compression et configurations de blocs pour améliorer l'efficacité mémoire et calculatoire. Les résultats sont utilisés pour valider des modèles numériques et réduire les coûts de stockage tout en préservant la précision des simulations.

Projet de recherche visant à analyser les mécanismes d'activation des récepteurs nicotiniques (a7)nAChR par des méthodes computationnelles innovantes. Il combine modélisation comparative, simulations de dynamique moléculaire et suivi des cavités protéiques pour identifier des sites allostériques pertinents. Les résultats incluent des modèles de transition entre états ouverts et fermés du canal ionique, ainsi qu'un criblage différentiel de modulateurs connus pour évaluer la validité des sites identifiés.