Ce projet présente un poster scientifique intitulé 'Analyse automatique des métadonnées pour la protection secondaire des données tabulaires'. Il a été exposé lors de la conférence NTTS 2025 à Bruxelles. L'objectif est de proposer une méthode innovante pour sécuriser et analyser les métadonnées des jeux de données tabulaires, notamment dans un contexte de protection des données.

Ce projet utilise un modèle de langage (LLM) pour transformer des fichiers de métadonnées décrivant des tableaux statistiques en formats exploitables par des outils d'analyse et de diffusion. Il permet aux producteurs de données de décrire leurs tableaux via un classeur, puis de générer automatiquement un fichier structuré et validé, facilitant ainsi la publication et l'analyse des données statistiques.

Service d'indexation automatique de contenus logiciels et de dépôts de code source. Il permet de détecter les types de fichiers, les licences open source, et d'extraire des métadonnées structurées à partir de code. Utilisé pour analyser et cataloguer des millions de dépôts logiciels, facilitant ainsi la recherche et la réutilisation de logiciels. Particulièrement utile pour les développeurs, les chercheurs et les entreprises souhaitant analyser des écosystèmes logiciels.

Outil conçu pour analyser automatiquement le contenu des colonnes de fichiers tabulaires (CSV, Excel, ODS, Parquet) et détecter leur format (dates, codes postaux, numéros de téléphone, etc.). Il permet d'enrichir les métadonnées des jeux de données pour faciliter leur exploitation et leur croisement. Principalement utilisé par des plateformes de données ouvertes comme data.gouv.fr pour standardiser et valider les fichiers partagés.

Le projet bso3-analyse-publications a pour objectif d'extraire et d'analyser les métadonnées de publications scientifiques au format PDF. Il utilise des techniques d'apprentissage automatique et de traitement du langage naturel pour détecter et classifier les entités nommées, extraire les métadonnées et comparer les similarités entre les documents.

Ce projet permet d'extraire automatiquement les répliques des personnages de pièces de théâtre alsaciennes à partir de corpus TEI, en croisant ces données avec des métadonnées sociales (genre, classe sociale, profession) issues d'une prosopographie dédiée. Il génère des tableaux structurés contenant les discours des personnages, leurs caractéristiques et des statistiques descriptives sur l'ensemble du corpus, facilitant ainsi l'analyse quantitative et qualitative du théâtre régional.

Service d'indexation et d'analyse de contenus logiciels pour la préservation du patrimoine numérique. Il permet de détecter automatiquement les types de fichiers, d'identifier les licences logicielles, d'extraire et standardiser les métadonnées des projets open source. Utilisé par des institutions culturelles et scientifiques pour archiver et rendre accessibles des millions de dépôts de code source.

Outil permettant d'identifier et de valider automatiquement les formats de fichiers utilisés en bioinformatique et génomique. Il analyse des fichiers comme FASTA, GFF3, BED, VCF ou BAM pour en déterminer la structure, détecter les erreurs et fournir des métadonnées essentielles à leur exploitation. Utilisé par les chercheurs et laboratoires pour garantir l'intégrité et la compatibilité des données avant analyse.

Service d'indexation automatique de contenus logiciels pour faciliter leur analyse et leur classification. Il permet de détecter les types de fichiers, les licences open source, et d'extraire des métadonnées structurées à partir de dépôts de code. Utilisé pour améliorer la traçabilité et la compréhension des projets open source hébergés par l'organisation.

Ce projet propose un script Python pour télécharger par lot les données (fichiers et métadonnées) d'une collection hébergée sur Nakala, un entrepôt de données de recherche dédié aux Sciences Humaines et Sociales. Il permet de récupérer automatiquement les ressources publiques ou celles pour lesquelles l'utilisateur dispose des droits nécessaires, en générant des fichiers de sortie structurés (JSON, CSV) contenant les métadonnées et l'état des téléchargements. Le script est particulièrement utile pour les chercheurs et équipes académiques souhaitant archiver ou analyser des données issues de projets scientifiques.