Ce projet permet d'enrichir les profils utilisateurs de Keycloak en récupérant des données depuis des API externes. Il ajoute dynamiquement des attributs utilisateurs lors de l'authentification, par exemple pour intégrer des informations issues de services comme GitHub. L'outil est conçu pour automatiser la synchronisation de données sans nécessiter de stockage utilisateur supplémentaire, facilitant ainsi l'intégration de fonctionnalités externes dans les flux d'authentification existants.

Outil intégré à un environnement de développement pour analyser, déboguer et générer du code source. Il permet aux développeurs de visualiser et manipuler des données techniques, d'automatiser des tâches répétitives et de produire des rapports ou documentations à partir de leur code. Le projet facilite également la compréhension des structures de données et des flux d'exécution.

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.

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.

Outil dédié à la gestion et au monitoring des flux de données issus de capteurs environnementaux déployés par des unités de recherche. Il permet d'automatiser et de superviser en temps réel les enchaînements de tâches pour garantir la qualité des données collectées et traitées, tout en assurant un suivi rigoureux des workflows scientifiques.

Outil open source conçu pour automatiser la génération de données structurées et de code source dans des projets logiciels. Il permet de créer des configurations complexes, des structures de données et des fonctions associées sans effort manuel. Principalement utilisé dans des environnements nécessitant une gestion fine des données et une optimisation des flux, il s'intègre facilement dans des pipelines de développement pour accélérer la production de code et réduire les erreurs.

Plateforme open source dédiée à l'orchestration et à l'automatisation des flux de données. Elle permet de planifier, surveiller et exécuter des pipelines de données complexes, notamment pour alimenter des datalakes et produire des jeux de données transformés. Utilisée pour centraliser et structurer des informations issues de multiples sources, facilitant ainsi leur analyse et leur exploitation par des outils métiers ou techniques.

Outil dédié au traitement et à l'analyse de données issues d'expériences scientifiques, notamment pour les flux de données générés par des instruments de mesure. Il permet d'automatiser des workflows complexes et de produire des visualisations graphiques pour faciliter l'interprétation des résultats. Utilisé principalement dans des environnements de recherche ou industriels nécessitant une analyse rigoureuse de données.

Bibliothèque de traitements Python dédiée à l'analyse, la transformation et la validation de données géospatiales et environnementales. Elle permet d'automatiser des flux de travail complexes pour des organismes publics ou privés, en intégrant des outils de gestion de bases de données spatiales et de traitement de données massives. Les traitements sont conçus pour être réutilisables et modulaires, facilitant leur intégration dans des plateformes comme PRODIGE.

Projet dédié au traitement et à l'automatisation de workflows de données pour des applications scientifiques, notamment dans le domaine de l'analyse de données expérimentales. Il permet de structurer, traiter et optimiser des flux de données complexes pour des chercheurs ou des laboratoires.