Ce projet propose une collection de notebooks et scripts permettant d'extraire des jeux de données de manière reproductible à partir de données ouvertes et liées. Il facilite la création de pipelines automatisés pour transformer et structurer des informations issues du web sémantique, afin de les rendre exploitables pour des analyses ou des applications ultérieures.

Code source hérité des expérimentations précédentes permettant la gestion et la création de jeux de données (ouverts et diffusion restreinte) depuis une extraction Apogée.

Ce projet automatise l'extraction et la structuration des informations médicales contenues dans les Résumés des Caractéristiques du Produit (RCP) des médicaments. Il permet de transformer des fichiers HTML en données exploitables pour des analyses statistiques, des rapports ou des intégrations dans des pipelines de données. L'objectif est de faciliter l'accès et l'exploitation des données réglementaires des médicaments pour les professionnels de santé ou les organismes publics.

Application batch dédiée à l'extraction, la transformation et l'export des thèses de doctorat soutenues en France. Elle récupère les données via l'API de theses.fr, les restructure selon les standards de l'ouverture des données publiques, et génère des fichiers d'export (CSV, JSON, NDJSON) pour une diffusion sur la plateforme data.gouv.fr. Le processus peut être planifié et automatisé pour une mise à jour régulière des données.