Ce projet utilise des réseaux de type GAN (Generative Adversarial Networks) pour enrichir les prévisions météorologiques opérationnelles à haute résolution. Il s'appuie sur des données historiques de l'AROME-EPS pour générer de nouveaux membres d'ensembles météorologiques, améliorant ainsi la précision et la diversité des prévisions. L'objectif est de réduire les coûts numériques tout en augmentant la fiabilité des modèles de prédiction du temps.

Ce projet extrait et analyse les citations présentes dans les versions francophone et anglophone de Wikipedia. Il enrichit ces données avec des métadonnées comme le statut d'ouverture des sources ou leur origine géographique. L'outil permet également de suivre l'historique des ajouts de citations et de comparer les sources entre différentes langues, facilitant ainsi la vérification de la fiabilité et de la diversité des références utilisées dans les articles.

Data-inclusion est un projet qui aggrège, historise, géocode, sirétise et enrichit les données de l'insertion sociale et professionnelle. Les données collectées sont alignées sur le schéma de données de data-inclusion et publiées régulièrement en open data sur data.gouv. Le projet offre également une API pour consulter les données.