Deep est un outil de gestion de projet et de développement logiciel qui facilite la collaboration entre équipes techniques. Il permet d'automatiser les processus de build, de test et de déploiement, tout en intégrant des fonctionnalités de sécurité pour analyser le code. Idéal pour les équipes travaillant sur des projets logiciels complexes, il centralise les flux de travail et améliore la productivité.

Ce projet permet de superviser et d'automatiser la collecte, le traitement et l'analyse des données liées aux prélèvements d'eau. Il facilite la gestion des flux de travail pour les équipes techniques et environnementales, en assurant le respect des normes réglementaires et la traçabilité des mesures. Les données sont centralisées et analysées pour optimiser les ressources et garantir une gestion durable de l'eau.

Moveit Play est un outil conçu pour faciliter la gestion et le développement de projets logiciels en équipe. Il permet aux développeurs de collaborer efficacement, d'automatiser les processus de test et de déploiement, et d'assurer la sécurité du code via des analyses statiques. Le projet inclut également des fonctionnalités pour documenter et structurer les projets de manière collaborative, tout en offrant des outils pour optimiser le flux de travail des équipes techniques.

RV-SecureBIP est un outil prototype conçu pour vérifier et renforcer la sécurité des flux d'information dans les systèmes basés sur des composants. Il utilise un cadre de travail dédié pour analyser statiquement les dépendances de sécurité et intègre un moniteur qui propage et maintient les niveaux de sécurité en temps réel. L'outil permet de contrôler dynamiquement l'exécution d'applications tout en garantissant la conformité aux annotations de sécurité définies dans le modèle.

Flowpy est une bibliothèque Python conçue pour faciliter le travail avec les flux optiques, des cartes de déplacement des pixels entre deux images. Elle permet de lire, écrire et visualiser ces flux dans différents formats, tout en offrant des outils pour les manipuler et les analyser. Idéale pour les applications en vision par ordinateur, elle simplifie l'interprétation des mouvements et améliore l'efficacité des algorithmes de traitement d'images.

BLISS est une bibliothèque open source dédiée au contrôle et à l'acquisition de données pour des équipements scientifiques, principalement utilisée dans les environnements de recherche et d'expérimentation. Elle permet d'automatiser des processus complexes, de gérer des flux de travail et d'analyser des signaux ou images issus d'instruments de mesure. Développée pour répondre aux besoins des laboratoires, elle facilite l'intégration et la synchronisation de divers équipements tout en offrant des outils pour le traitement et l'analyse des données collectées.

Ce projet propose une méthode de clustering incrémental pour détecter des événements sur Twitter. Il permet d'analyser des flux de données textuelles en temps réel ou différé, en identifiant des regroupements de tweets liés à des événements spécifiques. Les résultats sont visualisés sous forme de tableaux et graphiques pour faciliter leur interprétation. L'outil est conçu pour les chercheurs et data scientists travaillant sur l'analyse de réseaux sociaux.

Ce projet permet d'analyser et de modéliser des relations bidirectionnelles entre entités à partir de données structurées. Il facilite la compréhension des interactions complexes dans des réseaux, comme les flux logistiques, les relations sociales ou les systèmes biologiques. L'outil génère des visualisations et des métriques pour identifier des motifs, optimiser des processus ou simuler des scénarios dynamiques. Il s'adresse aux chercheurs, ingénieurs ou analystes travaillant sur des données relationnelles.

Ce projet permet d'analyser et d'optimiser des graphes pour résoudre des problèmes de parcours, de logistique ou de réseaux. Il facilite la modélisation de structures complexes comme des réseaux de transport, des circuits électroniques ou des flux de données. Les algorithmes intégrés aident à identifier les chemins optimaux, à détecter des goulots d'étranglement ou à simuler des scénarios d'évolution. L'outil est particulièrement utile pour les ingénieurs, les chercheurs ou les data scientists travaillant sur des systèmes interconnectés.

Logiciel de pipeline dédié au traitement et à l'analyse automatique des données spectrales et d'images issues de l'instrument ChemCam du CNES. Il permet la récupération, le dispatching et la génération de mosaïques à partir de ces données, facilitant ainsi la recherche en astrophysique et planétologie. Développé par l'IRAP, il est utilisé pour optimiser le flux de travail des scientifiques.