Ce projet vise à standardiser les protocoles IoT pour détecter en temps réel les virus et la pollution environnementale. Il permet aux utilisateurs d'identifier les zones à risque via une application mobile et un site web, tout en assurant la conformité RGPD. Les données collectées sont analysées et diffusées pour permettre une surveillance efficace et des alertes préventives.

Ce projet utilise HyperAst pour analyser des dépôts de code source et détecter automatiquement des vulnérabilités CVE. Il permet aux développeurs et équipes de sécurité d'identifier rapidement des failles potentielles dans leur code, facilitant ainsi la correction proactive des risques avant qu'ils ne soient exploités. L'outil s'intègre aux workflows de développement existants pour renforcer la sécurité des applications.

Projet de recherche dédié à la détection automatisée des ombres dans les images satellites à haute résolution. Il permet d'identifier et de cartographier les zones d'ombre pour des applications en télédétection, urbanisme, gestion des risques naturels ou encore analyse environnementale. Le système utilise des modèles d'apprentissage profond entraînés sur un jeu de données dédié, offrant une solution robuste pour l'analyse des paysages urbains et naturels.