VaryLaTeX est une solution basée sur la variabilité, la programmation par contraintes et les techniques d'apprentissage machine pour les documents écrits en LaTeX. Il permet aux utilisateurs d'annoter des fichiers sources LaTeX avec des informations de variabilité, telles que l'activation/désactivation de portions de texte, la modification de la taille des figures ou le réglage de l'espacement des lignes. Ensuite, une procédure entièrement automatisée apprend les contraintes entre les valeurs booléennes et numériques pour éviter les variantes de papier non acceptables, et enfin, les utilisateurs peuvent configurer davantage leurs papiers ou sélectionner une variante aléatoire qui respecte les contraintes, telles que les limites de pages.

Antora-workbook-theme est un projet dédié à la création de documentations techniques, manuels utilisateur et guides d'apprentissage. Il offre une solution flexible et personnalisable pour générer des supports de formation et de documentation de qualité.

Le projet bso3-analyse-publications a pour objectif d'extraire et d'analyser les métadonnées de publications scientifiques au format PDF. Il utilise des techniques d'apprentissage automatique et de traitement du langage naturel pour détecter et classifier les entités nommées, extraire les métadonnées et comparer les similarités entre les documents.

Le projet LSE-OD2M vise à extraire la structure logique de documents numérisés, en particulier les ouvrages de l'auteur français Frédéric Le Play. Il combine des techniques d'apprentissage automatique et de traitement de données pour transcrire et structurer automatiquement ces documents, facilitant ainsi leur analyse et leur exploitation pour des recherches en sciences humaines et sociales.

Ce projet est une expérience combinant MkDocs et Pyodide pour faciliter l'apprentissage de la programmation, créer de la documentation technique et tester du code Python directement dans un navigateur.

Documentation technique de l'API Trackdéchets, développée par le Ministère de la Transition Écologique. Elle permet aux acteurs de la chaîne de traçabilité des déchets dangereux (producteurs, transporteurs, traiteurs) d'interfacer leurs systèmes informatiques avec la plateforme pour échanger des données de manière standardisée et sécurisée. L'API GraphQL offre un accès simplifié aux fonctionnalités de la plateforme, facilitant ainsi la conformité réglementaire et la gestion des déchets.