Ce projet permet de surveiller et détecter les problèmes dans les systèmes informatiques, en particulier dans les clusters Kubernetes. Il utilise des chartes Helm pour faciliter le déploiement et la configuration des composants nécessaires à la détection des anomalies et des pannes. Les données collectées sont ensuite analysées pour fournir des diagnostics précis et des recommandations d'actions correctives.

HazardNet est un framework de prédiction des risques thermiques pour les datacenters. Il s'appuie sur une méthodologie de définition des anomalies thermiques et propose un pipeline complet de modèles de deep learning pour la détection et la prévision des anomalies. Les données sont collectées via une infrastructure de surveillance de datacenter sophistiquée et analysées pour prédire les risques thermiques potentiels dans les datacenters, évitant ainsi d'éventuels dommages aux équipements et interruptions de service.

Ce projet surveille et vérifie l'archivage des données dans les bases de données historiques. Il détecte les écarts, les anomalies ou les incohérences entre les données archivées et les données attendues. Il génère des rapports détaillés et envoie des alertes en cas de problème, permettant aux administrateurs de garantir l'intégrité et la fiabilité des données archivées.

Outil dédié à l'amélioration de la détection d'anomalies (OOD) dans les modèles d'apprentissage profond. Il permet d'appliquer la méthode LogitNorm pour normaliser les logits lors de l'entraînement, renforçant ainsi la robustesse des modèles face à des données hors distribution. Le projet inclut également des fonctionnalités d'évaluation comparative de différentes méthodes de détection d'anomalies sur des jeux de données prédéfinis.

Le projet dataqual a pour but d'assurer la qualité des données entrantes dans le système d'information de l'entreprise. Il détecte les anomalies et les erreurs dans les données, et les corrige en fonction de règles prédéfinies. Ce projet permet d'améliorer la fiabilité des données de l'entreprise, ce qui facilite la prise de décision et améliore la performance globale de l'entreprise.

DROP est une pipeline bioinformatique conçue pour détecter des anomalies dans les données d'expression génique à partir de séquences ARN. Elle permet aux chercheurs d'identifier des variations aberrantes dans des échantillons biologiques, facilitant ainsi l'analyse de maladies génétiques ou de mécanismes biologiques. Le projet intègre des jeux de données de référence publics pour valider les résultats et propose des outils pour automatiser et optimiser les workflows d'analyse génomique.

Outil d'analyse et de comparaison des métadonnées des marégraphes à l'échelle mondiale. Permet aux opérateurs de données, fournisseurs et intégrateurs de détecter les anomalies dans les catalogues de sites (coordonnées incorrectes, doublons, liens manquants). Facilite l'interopérabilité entre différents portails de données océaniques en standardisant les informations via un modèle unique. Utilisé par des organismes scientifiques pour améliorer la qualité des données maritimes.

Outil dédié à la validation et à la vérification de conformité des documents XML, notamment dans le domaine médical. Il permet de compiler des règles Schematron pour valider des structures de données, d'assurer la cohérence des échanges entre systèmes et de générer des rapports détaillés sur les anomalies détectées. Utilisé pour garantir l'interopérabilité des données dans des environnements critiques comme les systèmes de santé.

Moana est une application de surveillance maritime et de gestion des mouvements de navires. Elle permet de suivre les navires, leurs mouvements et les listes de personnes associées, tout en détectant d'éventuelles anomalies dans les données.

ADTimeline est un outil conçu pour générer une chronologie des modifications des métadonnées de réplication de l'Active Directory. Il permet aux administrateurs et analystes en cybersécurité de suivre les changements critiques sur les objets sensibles (comptes, groupes, contrôleurs de domaine, etc.) afin d'identifier des anomalies, des attaques persistantes ou des configurations dangereuses. L'outil s'intègre avec Splunk pour une analyse approfondie et la détection de mécanismes de persistance ou d'exfiltration de données.