Ce projet développe un modèle d'intelligence artificielle conçu pour analyser des transcriptions textuelles et prédire les symptômes de dépression de manière hiérarchique. Il s'appuie sur des données cliniques validées pour fournir une estimation automatique de l'état mental des patients. L'outil est destiné aux chercheurs et professionnels de santé souhaitant objectiver des évaluations subjectives. Le modèle est entraîné sur des corpus spécialisés et permet une analyse fine des interactions verbales.

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.

Service dédié à l'évaluation et au benchmarking de modèles de transcription automatique pour la langue française, utilisé par l'administration publique. Il permet de comparer la qualité de différents modèles (Whisper, Voxtral, Kyutai, Cohere, etc.) sur des fichiers audio de référence, en mesurant des métriques comme le WER (Word Error Rate) et en analysant les erreurs sémantiques via des juges automatisés. Les résultats sont partagés sous forme de rapports publics pour améliorer les services de transcription.

Application web dédiée à l'évaluation et à l'analyse de modèles de transcription automatique (OCR/HTR) comme Kraken. Permet aux chercheurs et professionnels de comparer des textes de référence avec des prédictions générées par des modèles, en fournissant des métriques détaillées (taux d'erreur, précision, etc.) pour mesurer la qualité des transcriptions. Inclut des fonctionnalités de pré-traitement textuel et de visualisation des résultats.

Ce projet a pour but d'évaluer la qualité d'un modèle de transcription en créant des corpus de données annotées à partir de contenu extrait de pages Wikipedia sur les thèmes de l'art et de l'astronomie. Il permet également de produire des listes de fréquence de mots et de caractères.

Outil d'évaluation et de benchmark pour les modèles OCR (reconnaissance optique de caractères) et HTR (reconnaissance de texte manuscrit). Il permet de mesurer la qualité de transcription (taux d'erreur de caractères et de mots), la latence, le coût et l'impact environnemental sur des documents scannés. Les résultats sont présentés sous forme de rapports Markdown reproductibles, sans exposer le contenu sensible des documents.

Kraken-Benchmark est une application Python partiellement basée sur Flask qui évalue les performances d'un modèle de transcription Kraken en fournissant des exemples de transcriptions parfaites. Les différentes métriques générées par Kraken-Benchmark sont affichées dans une application web sous forme de tableau de bord.

BayRegMet est un algorithme basé sur les réseaux bayésiens qui prédit le phénotype de croissance et la réponse des flux métaboliques après une perturbation transcriptionnelle. Il utilise des modèles métaboliques et des données d'expression génique (RNA-seq) pour évaluer l'impact de médicaments sur la croissance cellulaire. L'outil permet de tester virtuellement l'effet de substances thérapeutiques sur des cellules cancéreuses, facilitant ainsi la recherche en biologie systémique et en pharmacologie.