Plantinator est une application dédiée à la gestion et à l'analyse de collections de plantes. Elle permet aux utilisateurs de créer, éditer et analyser des fiches détaillées sur différentes espèces végétales. L'outil facilite la génération de bases de données structurées et offre des fonctionnalités pour identifier les valeurs manquantes ou incohérentes dans les données botaniques.

Ce projet évalue les performances des agents génératifs basés sur des LLM dans des tâches d'extraction d'informations en contexte zero-shot ou one-shot, sans données de référence. Il explore des métriques de cohérence pour mesurer la stabilité des extractions entre plusieurs exécutions, en analysant leur relation avec la précision. Les expérimentations portent sur un corpus de documents en santé végétale, avec des stratégies pour générer des paires de documents proches (reformulation, bruit, substitution d'entités, traduction). L'objectif est de comprendre les facteurs influençant la stabilité des résultats et d'améliorer la fiabilité des extractions à grande échelle.

Le projet génère des échantillons de code source vulnérables et non vulnérables aux attaques XSS (Cross-Site Scripting) pour différents langages de programmation tels que PHP, Node.js et Hop.js. Il permet de construire des bases de données de tests pour évaluer des détecteurs de vulnérabilités et entraîner des algorithmes de deep learning.

Ce projet est un générateur de base de données de vulnérabilités dédié à la production de cas d'utilisation de failles XSS (Cross-Site Scripting) à des fins de détection et de prévention en sécurité informatique. Il permet de générer des jeux de données pour l'apprentissage automatique, facilitant ainsi le développement de méthodes de détection et de prévention de ces failles.

Ce projet est un générateur de base de données de vulnérabilités dédié à la production de cas d'utilisation de failles XSS (Cross-Site Scripting) à des fins de détection et de prévention en sécurité informatique. Il permet de générer des jeux de données pour l'apprentissage automatique, facilitant ainsi le développement de méthodes de détection et de prévention de ces failles.