Ce projet académique développe des outils pour manipuler des polyèdres en trois dimensions. Il permet de les représenter, les importer et exporter depuis des fichiers au format OBJ, et de les décomposer en composantes connexes pour une analyse structurelle. Les algorithmes implémentés facilitent l'étude des propriétés géométriques et topologiques des modèles 3D, avec une approche modulaire et optimisée pour la gestion dynamique de la mémoire.

Ce projet vise à structurer et analyser les données publiques des décès en France depuis 1971 sous forme de graphes sémantiques. Il permet de transformer des fichiers CSV en données RDF exploitables pour des recherches avancées ou des analyses statistiques. Les données sont organisées par tranches d'années et par villes, facilitant leur réutilisation par des chercheurs, institutions ou développeurs.

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.

JPanda est une librairie Java dédiée à la manipulation et à l'analyse de données structurées sous forme de dataframes. Elle permet de charger, visualiser et transformer des données issues de fichiers CSV ou de tableaux en mémoire. Les utilisateurs peuvent effectuer des sélections, des calculs statistiques, des groupements et des agrégations pour extraire des informations pertinentes. L'outil est particulièrement adapté aux développeurs et data scientists souhaitant automatiser des traitements de données sans recourir à des solutions lourdes.

Ce projet propose des scripts pour automatiser et optimiser l'analyse de données. Il permet de traiter des fichiers volumineux, d'extraire des informations clés et de générer des rapports structurés. Les outils développés visent à simplifier les tâches répétitives et à améliorer l'efficacité des équipes en charge de l'analyse.

Pipeline dédiée à la gestion et au traitement des données du projet ANAIS, spécifiquement pour l'étape Helios. Elle automatise l'extraction, la transformation et le chargement des données depuis des sources variées (bases de données, fichiers CSV) vers des vues SQL structurées. Les données sont historisées, analysées et exportées sous forme de fichiers CSV pour répondre aux besoins réglementaires et opérationnels des acteurs du secteur sanitaire et social.

Ce projet est une bibliothèque Java dédiée à l'analyse et à la validation de fichiers de spécification de vues au format VD. Il permet de parser des fichiers décrivant des sources de données, des mappings et des vues, afin d'en extraire une représentation structurée et exploitable. Utilisé principalement dans le cadre de projets de gestion de données et de règles métiers, il facilite l'intégration et la vérification des définitions de vues.

Outil automatisé qui scanne les dépôts GitHub publics pour extraire et analyser les métadonnées, la documentation, les dépendances et l'historique des commits. Il génère des rapports structurés incluant des descriptions détaillées, des analyses de dépendances, des arbres de fichiers et des aperçus générés par IA pour faciliter la compréhension et la maintenance des projets open source.

Pylote est une bibliothèque Python conçue pour faciliter l'interaction avec une API dédiée à la gestion et à l'analyse de données d'indicateurs économiques. Elle permet aux utilisateurs d'exporter des données existantes ou d'importer de nouvelles valeurs, que ce soit depuis des fichiers CSV ou des structures de données Python. L'outil est particulièrement utile pour les économistes, statisticiens ou analystes travaillant sur des séries temporelles ou des comparaisons de zones géographiques.

RepoFalcon transforme un dépôt de code en un graphe de connaissances structuré et des artefacts déterministes. Il permet aux développeurs, aux pipelines CI et aux agents de codage d'analyser rapidement l'impact des modifications, de comprendre les dépendances entre modules et de générer des contextes adaptés pour les revues automatisées ou assistées par IA. Les artefacts générés (fichiers Parquet, JSON, rapports) sont conçus pour être réutilisables et faciles à intégrer dans des workflows CI/CD ou des outils d'analyse.