Ce projet mené par le PEReN étudie le framework AMP de Google en analysant ses performances et son impact sur le référencement. Il permet de comparer les résultats de recherche entre mobile et desktop, d'évaluer les métriques de performance (FCP, LCP, TTI, SI) et d'analyser les différences entre pages utilisant AMP et celles ne l'utilisant pas. Les données collectées sont exploitées via des notebooks pour des analyses approfondies.

Outil en ligne de commande conçu pour évaluer et comparer les performances de différents parseurs de code Fortran sur une base de code donnée. Il génère des statistiques et des résultats détaillés pour aider les développeurs à choisir l'outil le plus adapté à leurs besoins. Le projet inclut des analyses sur des bases de code réelles comme DYNAMICO, LMDZ ou ORCHIDEE, fournissant des métriques précises sur la couverture et l'efficacité des parseurs.

Projet académique visant à créer un outil de benchmark pour évaluer l'efficacité des systèmes de détection d'attaques par déni de service (DDoS). Il permet de simuler des attaques réseau variées, de capturer le trafic généré, et d'analyser les performances de différents algorithmes de détection. Les résultats sont comparés via des métriques comme le taux de détection, la précision et le taux de faux positifs.

Plateforme publique permettant de visualiser et analyser des indicateurs de performance pour des environnements de données. Elle agrège et compare les métriques issues de sources officielles comme demo.data.gouv.fr et data.gouv.fr, offrant une vue d'ensemble des ressources disponibles et de leur qualité. Les utilisateurs peuvent consulter des tableaux de bord détaillés pour évaluer l'état des indicateurs en temps réel.

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.

Plateforme open source dédiée à l'évaluation et au benchmarking de méthodes de détection d'anomalies sur graphes (GAD). Elle fournit une infrastructure centralisée pour exécuter, comparer et valider des algorithmes d'IA de manière reproductible. Les utilisateurs peuvent intégrer leurs propres méthodes, exécuter des expériences sur des jeux de données variés et obtenir des métriques standardisées pour analyser les performances des modèles.

Ce projet propose une évaluation comparative de méthodes d'apprentissage fédéré regroupées par clusters. Il permet d'analyser et de comparer les performances de différents modèles de machine learning dans un contexte distribué, en utilisant des jeux de données standardisés comme MNIST ou CIFAR-10. Les résultats sont visualisés sous forme de tableaux et de graphiques pour faciliter l'interprétation des métriques.

P4a est un projet dédié à l'analyse comparative des performances de différentes structures logicielles ou algorithmiques. Il permet d'évaluer et de comparer des temps d'exécution, des consommations mémoire et d'autres métriques clés pour identifier les solutions les plus efficaces. Le projet s'appuie sur des protocoles expérimentaux rigoureux et des outils de visualisation pour faciliter l'interprétation des résultats.

Outil dédié à l'analyse comparative de graphes génomiques issus de différentes méthodes (MiniGraph-Cactus, PGGB). Il permet d'évaluer la conservation des régions génomiques, d'identifier des variations structurales et de générer des métriques pour des études en génomique comparative. Les résultats sont utilisés pour des recherches en biologie évolutive et en génétique des populations.

Ce projet vise à assembler et analyser les génomes de guêpes parasitoïdes du genre Campoplex à partir de données de séquençage Nanopore. Réalisé au Muséum National d'Histoire Naturelle, il compare différents outils d'assemblage et de polissage pour produire des génomes de haute qualité. Les résultats sont évalués via des métriques statistiques et des outils dédiés, permettant d'optimiser les pipelines bioinformatiques pour des études génomiques.