CorTexT Topic Modeling est un outil d'analyse textuelle qui permet d'identifier et de représenter les thèmes principaux au sein d'un ensemble de documents. En utilisant des modèles statistiques comme LDA, il transforme des données textuelles brutes en sujets cohérents, facilitant ainsi l'exploration et la compréhension de grands corpus. Ce service est particulièrement utile pour les chercheurs, les documentalistes ou les professionnels souhaitant structurer et analyser des contenus documentaires de manière automatisée.

SIRIUS-ML est un dépôt de code dédié à l'analyse et au traitement automatisé de verbatims. Il propose des outils pour modérer, classifier et détecter des anomalies dans des contenus textuels, tout en garantissant l'anonymisation des données sensibles. Ces fonctionnalités sont utilisées dans le cadre du projet SIRIUS, une initiative publique visant à améliorer la gestion des retours citoyens.

NIVO est un projet open source dédié à l'analyse sémantique et à la gestion de données textuelles. Il permet aux équipes de collaborer sur des contenus enrichis, d'automatiser des processus de test et de déploiement, et d'intégrer des outils pour faciliter le travail collaboratif. Le projet s'inscrit dans un cadre académique et vise à faciliter la recherche en linguistique computationnelle et en traitement automatique des langues.

Skolar est une plateforme dédiée à l'analyse et au traitement automatisé de données textuelles. Elle permet d'extraire, structurer et classifier des informations issues de documents variés pour faciliter leur exploitation. Utilisée dans des contextes académiques, éditoriaux ou professionnels, elle optimise la gestion de contenus textuels massifs grâce à des algorithmes avancés de traitement du langage naturel.

Outil d'analyse avancée de texte utilisant des modèles de langage pour extraire des insights, classer des documents ou identifier des similarités entre contenus. Permet aux entreprises de traiter automatiquement de grandes quantités de données textuelles pour améliorer leur prise de décision ou automatiser des workflows.

Partiel-LDD est un outil conçu pour faciliter la gestion et l'analyse de listes de diffusion. Il permet aux utilisateurs de traiter des données textuelles, d'automatiser l'envoi de notifications et de générer des rapports ou des analyses sur les contenus traités. Le projet est particulièrement utile pour les équipes ou organisations ayant besoin de structurer et d'exploiter des données issues de listes ou de flux d'informations.

Projet dédié à l'analyse et à la classification automatique de documents textuels. Il permet d'extraire des entités nommées, de catégoriser des contenus et d'identifier des thèmes principaux. Utilisé pour automatiser le traitement de grandes quantités de texte, il facilite la recherche d'informations et l'organisation de données non structurées.

Interface utilisateur dédiée à l'extraction et à l'analyse de texte à partir de documents PDF, notamment pour les publications scientifiques. Elle permet de structurer, annoter et convertir des contenus textuels complexes en données exploitables, facilitant ainsi leur traitement automatisé et leur intégration dans des systèmes d'information.