Le projet doc-generator est un outil en ligne de commande permettant de générer des fichiers Markdown à partir de schémas de données. Il prend en charge les schémas JSON et est particulièrement adapté aux schémas Validata. Il facilite ainsi la documentation des données et améliore la compréhension des structures de données par les utilisateurs.

RepoFalcon transforme un dépôt de code en un graphe de connaissances structuré et des artefacts déterministes. Il permet aux développeurs, aux pipelines CI et aux agents de codage d'analyser rapidement l'impact des modifications, de comprendre les dépendances entre modules et de générer des contextes adaptés pour les revues automatisées ou assistées par IA. Les artefacts générés (fichiers Parquet, JSON, rapports) sont conçus pour être réutilisables et faciles à intégrer dans des workflows CI/CD ou des outils d'analyse.

Ce projet est un outil de génération de situations OpenFisca à partir de fichiers XML de demandes de logement social. Il permet de créer un payload JSON compréhensible par l'API Web d'OpenFisca, qui correspond à une demande de calcul des aides au logement.

PlanarLarvae.jl est un package Julia dédié à l'analyse de mouvements larvaires. Il permet de lire et de traiter des fichiers de suivi de larves générés par différents programmes, tels que Choreography, FIMTrack et JBM's automatic tagger. Le package fournit des types de données de base pour les descriptions 2D de la larve, ainsi que des fonctionnalités de base pour les étiquettes discrètes de comportement, y compris le support pour les fichiers d'étiquettes JSON.

Ce projet fournit des outils et des jeux de données anonymisés pour analyser les comportements des étudiants en génie logiciel à partir de leurs commits. Il inclut des scripts de transformation de logs JSON en fichiers CSV, ainsi que des rapports générés par Process Mining pour visualiser les indicateurs comportementaux. Les données et analyses sont destinées à la recherche académique.

Ce projet permet de valider la conformité de fichiers JSON par rapport à un schéma prédéfini ou personnalisable. Initialement développé pour le projet In-Sylva France, il offre trois modes d'utilisation : en ligne de commande pour une validation automatisée, via une application web Flask pour une interface utilisateur, ou sous forme de conteneur Docker pour une intégration simplifiée. L'outil génère des rapports détaillés sur les erreurs de conformité et propose des fonctionnalités de téléchargement des résultats.

Ce projet propose un script Python pour télécharger par lot les données (fichiers et métadonnées) d'une collection hébergée sur Nakala, un entrepôt de données de recherche dédié aux Sciences Humaines et Sociales. Il permet de récupérer automatiquement les ressources publiques ou celles pour lesquelles l'utilisateur dispose des droits nécessaires, en générant des fichiers de sortie structurés (JSON, CSV) contenant les métadonnées et l'état des téléchargements. Le script est particulièrement utile pour les chercheurs et équipes académiques souhaitant archiver ou analyser des données issues de projets scientifiques.

Outil permettant de concevoir des formulaires configurables pour générer des fichiers JSON contenant les données saisies. Il facilite la mise en place d'interfaces utilisateur personnalisées pour configurer des applications ou des systèmes. Les formulaires, définis par un fichier de configuration, supportent divers types de champs et des fonctionnalités avancées comme les listes multiples ou les références hiérarchiques.

Ce projet académique vise à enseigner et appliquer des design patterns en programmation orientée objet. Il couvre la création de factories pour générer des objets, l'implémentation de structures composites pour gérer des hiérarchies, et l'utilisation de DAO pour interagir avec différentes sources de données (fichiers JSON, CSV, bases de données H2, SQLite, MariaDB). L'objectif est de fournir une solution générique et transparente pour manipuler des données de fruits.

Outil d'automatisation permettant de générer des flux WMS à partir de données géospatiales existantes. Il simplifie la configuration de GeoServer en récupérant les métadonnées nécessaires depuis un fichier JSON, évitant ainsi les manipulations manuelles répétitives. Idéal pour les administrateurs de systèmes d'information géographique souhaitant optimiser leur workflow.