Picola est un pipeline d'orchestration conçu pour automatiser la conversion et le traitement d'images médicales numérisées, notamment les lames d'anatomopathologie. Il permet de transformer des formats propriétaires en fichiers TIFF pyramidaux standardisés, facilitant leur réutilisation dans des outils de visualisation ou d'intelligence artificielle. Le projet s'intègre dans un environnement local reproductible, sans dépendre d'une infrastructure cloud, et est développé par le Health Data Hub pour répondre aux besoins de standardisation des données médicales.

Outil dédié à la génération et à la structuration de jeux de données à partir de sources variées. Il permet aux chercheurs et aux équipes techniques de transformer des données brutes en formats standardisés et exploitables pour des analyses avancées. Le projet s'inscrit dans une démarche d'automatisation et de reproductibilité des données, facilitant ainsi leur réutilisation et leur partage au sein de la communauté scientifique.

Ce projet automatise la récupération, la transformation et l'intégration de données biochimiques issues de bases de données spécialisées (comme KEGG ou BRENDA). Il permet de convertir des fichiers de données métaboliques, enzymatiques ou réactionnelles entre différents formats (ODS, TXT, SBML) et d'enrichir des modèles de voies métaboliques avec des informations thermodynamiques et cinétiques. Les outils développés facilitent l'analyse des réactions biochimiques et l'étude des enzymes pour la recherche en biologie systémique.

Bibliothèque Python dédiée au traitement et à la conversion de données issues de la diffraction des rayons X sur monocristaux (SC-XRD). Elle permet d'automatiser des workflows complexes, de transformer des données brutes en formats compatibles avec des logiciels d'analyse comme CrysAlis, et facilite la publication des résultats expérimentaux. Utilisée principalement dans des environnements de recherche scientifique, notamment à l'ESRF.

OptimaCulture est une solution backend dédiée à la gestion et à la transformation de données au format JSON. Elle permet d'interagir avec des dispositifs connectés via le protocole MQTT, de stocker des données temporaires et de les pousser vers Elasticsearch pour une analyse et une visualisation avancées. Le projet facilite également l'automatisation de requêtes et l'intégration avec des outils de datavisualisation comme Kibana.

Outil dédié à l'analyse et à la transformation de fichiers texte pour en extraire des données structurées. Permet de convertir des formats variés (CSV, JSON, XML) en structures exploitables pour des traitements ultérieurs. Utilisé principalement pour automatiser des tâches de parsing dans des workflows de données.

Outil permettant de transformer des fichiers SBML (Systems Biology Markup Language) en format JSON compatible avec des outils de visualisation de réseaux métaboliques comme MetExploreViz. Il facilite l'analyse et la représentation graphique des voies métaboliques pour les biologistes et bioinformaticiens, en automatisant la conversion des données et en générant des structures exploitables par des logiciels spécialisés.

Ce projet permet de transformer des données brutes (comme des fichiers CSV, JSON ou autres formats non structurés) en un format standardisé et exploitable (niveau 1). Il facilite l'intégration et l'analyse des données en les normalisant, réduisant ainsi les efforts manuels de nettoyage et de structuration. Idéal pour les équipes data ou les développeurs cherchant à automatiser des pipelines de données.

Ce projet fournit un ensemble complet de macros ROOT, scripts bash et modules Python pour générer des animations d'événements à partir de fichiers oaEvent. Il permet d'extraire des données de simulation, de les traiter et de les transformer en séquences animées visualisables. Les animations produites sont utiles pour analyser le comportement de détecteurs cylindriques dans des expériences de physique des particules. Le système automatise le pipeline complet, de l'extraction des données à l'encodage final en format vidéo.

Ce projet permet de convertir et standardiser des données de santé entre différents formats (SMT, CSV, FHIR). Il facilite l'échange et l'interopérabilité des informations médicales entre systèmes hétérogènes, en automatisant les transformations pour garantir la cohérence et la qualité des données.