Application web permettant de collecter, analyser et stocker des emails contenant des informations relatives aux décès. Grâce à l'intelligence artificielle, elle identifie et extrait automatiquement les données pertinentes, facilite leur recherche et leur gestion sécurisée. Destinée aux professionnels ou particuliers souhaitant organiser et exploiter ces informations de manière structurée et efficace.

Plateforme officielle du ministère de l'Éducation nationale, des Sports et de la Jeunesse, proposant un accès centralisé et ouvert aux données publiques. Elle permet aux citoyens, chercheurs et institutions de consulter, visualiser et analyser des jeux de données sur l'enseignement, les résultats scolaires, les établissements, les formations et les politiques éducatives. Intègre des outils d'intelligence artificielle pour faciliter l'exploration et la compréhension des données.

Outil développé pour l'INERIS permettant d'identifier et caractériser des composés chimiques dans différents milieux (eau, air, sols). Il utilise des modèles d'intelligence artificielle pour analyser des données environnementales et détecter des sources de pollution. La plateforme permet aux experts de visualiser les résultats, de lancer des analyses et de gérer les accès sécurisés. Elle s'appuie sur des bases de données relationnelles et des services cloud pour le stockage et le traitement des données.

Bibliothèque Java dédiée à l'analyse de données incertaines via la théorie de Dempster-Shafer. Elle permet de modéliser des croyances et de combiner des informations issues de sources variées pour évaluer la plausibilité d'événements ou de décisions. Utilisée dans des contextes où les données sont incomplètes ou ambiguës, elle aide à structurer des raisonnements complexes pour des applications en intelligence artificielle, sécurité ou gestion de risques.

L'école AstroInfo 2023 est une formation intensive de deux semaines dédiée à l'astronomie et à l'intelligence artificielle. Elle propose des cours théoriques et pratiques sur l'analyse de données astronomiques, le machine learning, le MLOps et le deep learning. Destinée aux étudiants et professionnels, elle vise à renforcer les compétences en traitement de données scientifiques et en modélisation prédictive.

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 académique visant à développer des outils d'analyse et de simulation pour des applications en intelligence artificielle et science des données. Utilisé dans un cadre pédagogique pour illustrer des concepts avancés en traitement de données et modélisation mathématique. Permet aux étudiants de manipuler des bibliothèques spécialisées pour résoudre des problèmes concrets en physique ou en informatique.

Projet open source fournissant un ensemble d'outils et de bibliothèques pour le développement d'applications performantes sur CentOS 7. Il facilite la création de solutions optimisées pour le calcul intensif, l'analyse de données et l'intelligence artificielle, en s'appuyant sur des technologies modernes comme oneAPI. Destiné aux développeurs et chercheurs nécessitant des performances élevées.

Ce projet est une plateforme de test et d'exploration dédiée à l'API Albert, une intelligence artificielle souveraine française développée par Etalab. Il propose des implémentations en Python et TypeScript ainsi que des exemples concrets pour faciliter l'intégration des développeurs. L'outil permet de manipuler des modèles d'IA, de générer des embeddings, de transcrire des audios, d'analyser des documents et de gérer des collections de données. Il sert de passerelle pour découvrir et utiliser les capacités de l'API Albert dans un environnement sécurisé et contrôlé.

Ce projet académique vise à concevoir et entraîner des modèles de machine learning pour résoudre des problèmes complexes en analyse de données. Il s'appuie sur des jeux de données variés pour développer des algorithmes capables de prédire des tendances, classifier des informations ou optimiser des décisions. Destiné principalement aux chercheurs et étudiants, il facilite l'expérimentation et l'innovation dans le domaine de l'intelligence artificielle.