Ce projet exploite les jeux de données publics de data.gouv.fr pour les rattacher à une ontologie structurée de la démocratie. Il utilise des embeddings vectoriels calculés via PostgreSQL et pgvector pour identifier les liens sémantiques entre les données et des thèmes comme les élections, la transparence ou la participation citoyenne. Les résultats sont ensuite utilisés pour faciliter l'analyse et la découverte de données pertinentes par les citoyens et les institutions.

Atelier de formation en Python axé sur l'analyse et la visualisation de données géospatiales. Destiné aux débutants, il couvre la manipulation de données tabulaires avec pandas, l'utilisation de geopandas pour les données vectorielles, et des techniques de visualisation avec matplotlib et plotly. Les participants apprennent à traiter des données raster et à appliquer ces compétences à des cas concrets.

Plateforme open source dédiée à la visualisation et à l'analyse de données géospatiales en 2D et 3D. Elle permet aux utilisateurs d'explorer des modèles numériques de terrain, des images satellites ou des données vectorielles, facilitant ainsi la compréhension des territoires et la prise de décision. Le projet s'adresse aux chercheurs, aux collectivités et aux professionnels de l'aménagement.

Ce projet développe une méthode innovante pour représenter et stocker des données 3D de manière compacte et évolutive. Il utilise la quantification vectorielle pour transformer des nuages de points en formats optimisés, facilitant leur analyse et leur visualisation. L'objectif est de réduire l'espace de stockage tout en conservant la précision des données spatiales, idéal pour les applications nécessitant une grande quantité de données géométriques.

Outil de recherche dédié à l'étiquetage automatique de données via des agents IA. Il exploite une base de données vectorielle sous forme de graphe pour représenter des codes de classification et leurs relations, facilitant le raisonnement hiérarchique. Conçu pour les instituts nationaux de statistique, il permet de naviguer et d'analyser des nomenclatures complexes, en générant des pipelines modulaires pour l'automatisation des tâches de classification.

Bibliothèque logicielle dédiée à l'optimisation et à l'accélération de calculs scientifiques intensifs. Elle propose des fonctions avancées pour le traitement parallèle de données, notamment des opérations vectorielles et matricielles. Utilisée principalement dans le domaine de la physique des particules et de l'astrophysique pour des simulations et analyses de données à haute performance.

Outil dédié à la création automatisée de patches géospatiaux à partir de données vectorielles de points et de bâtiments. Il permet de générer des fichiers de sortie organisés par année, facilitant l'analyse urbaine ou la planification territoriale. Les utilisateurs peuvent spécifier des paramètres comme l'année de référence et les chemins d'accès aux données d'entrée.

Covfie est une bibliothèque C++ dédiée à la manipulation et à la simulation de champs vectoriels pour des applications scientifiques. Elle permet aux chercheurs et ingénieurs de modéliser des phénomènes physiques complexes, d'optimiser des calculs numériques et de comparer les performances de différentes implémentations. Utilisée dans des domaines comme la physique des particules ou l'informatique haute performance, elle facilite l'analyse et la visualisation de données vectorielles.

Projet dédié à l'analyse automatisée du comportement de larves de drosophile. Il permet de classifier des séquences temporelles de mouvements en catégories comportementales précises (comme courir, se rouler, s'arrêter) à l'aide de modèles d'apprentissage automatique. Le système génère également des représentations vectorielles des données pour des analyses comparatives ou des visualisations.

Ce projet explore les réseaux sémantiques, notamment ceux issus de Wikipédia et JeuxDeMots, en utilisant deux approches complémentaires : une analyse vectorielle continue et une analyse discrète par graphe. L'objectif est de comparer ces méthodes pour en tirer des insights sur la structure sémantique des données, tout en explorant leurs applications potentielles en psychologie cognitive et en traitement automatique des langues.