Ce projet consiste à analyser les émissions de CO2 et de polluants des véhicules commercialisés en France. Il repose sur la collecte, le nettoyage et l'intégration de données ouvertes issues du gouvernement. L'objectif est de fournir une base de données structurée pour faciliter l'étude des impacts environnementaux des véhicules, en s'appuyant sur un entrepôt de données relationnel.

Ce projet fournit une bibliothèque logicielle pour faciliter l'interaction avec des bases de données SQL. Il simplifie la création, l'exécution et la gestion des requêtes SQL, permettant aux développeurs d'accéder rapidement et efficacement aux données stockées dans des systèmes de gestion de bases de données relationnelles. L'objectif est d'accélérer le développement d'applications nécessitant des opérations sur des bases de données.

Ce projet fournit un chart Helm pour déployer et configurer facilement des instances PostgreSQL sur des clusters Kubernetes. Il permet aux équipes techniques de standardiser et d'automatiser le déploiement de bases de données relationnelles, réduisant ainsi les erreurs de configuration et accélérant les mises en production. Adapté aux environnements de développement, de test et de production, il facilite la gestion des ressources et des dépendances.

Ce projet fournit un chart Helm pour déployer et gérer des instances de bases de données MariaDB sur des clusters Kubernetes. Il simplifie la configuration, le déploiement et la maintenance des bases de données relationnelles dans des environnements conteneurisés, en s'appuyant sur les bonnes pratiques d'orchestration et de scalabilité.

Ce projet fournit le macro `#[ergol]` qui permet de persister les données dans une base de données. Il génère la plupart du code nécessaire pour interagir avec une base de données relationnelle, ce qui facilite la création, la modification et la récupération des données.

Projet dédié à la gestion et à l'optimisation de bases de données relationnelles, notamment avec PostgreSQL. Il facilite le développement d'applications web dynamiques en fournissant des outils et des bibliothèques pour interagir efficacement avec les données. Le projet met l'accent sur la performance, la sécurité et la scalabilité des solutions développées.

Ce projet fournit une image de conteneur Docker pour MariaDB, facilitant ainsi le déploiement et la gestion de bases de données relationnelles. Il supporte les applications web nécessitant une base de données MariaDB de manière sécurisée et efficace.

Mathmouse est une structure de type entrepôt de données enrichi capable de stocker des modèles mathématiques dans une base de données relationnelle et de fournir un système de requête par données permettant d'interroger le entrepôt en utilisant des séries temporelles brutes en entrée.

Le projet BQSS a pour but d'agréger les données concernées par le périmètre du site QualiScope, historique compris. Il utilise des sources de données publiées en Open Data et produit une base fournie sous deux formes différentes : relationnelle ou orientée document.

La plateforme CHEMANE est composée de plusieurs modules fournissant des algorithmes développés par les membres du laboratoire LIAS. Ces modules traitent des problèmes tels que le problème des réponses pléthoriques dans les bases de données relationnelles incertaines, l'explication et l'atténuation des résultats non concluants des requêtes SPARQL, et le calcul des sous-requêtes minimales et maximales réussies et échouées pour les requêtes RDF.