Happy_vllm est une API REST conçue pour optimiser et faciliter l'utilisation de vLLM, un moteur d'inférence pour modèles de langage. Développée par France Travail, elle permet de déployer rapidement des services d'IA générative en production avec des fonctionnalités avancées. L'outil simplifie l'intégration des modèles LLM dans des applications métiers, offrant une solution scalable et performante pour des cas d'usage variés comme le traitement automatique de texte ou la génération de contenus.

Plateforme dédiée à l'évaluation et au benchmarking de modèles d'intelligence artificielle, notamment des chatbots et assistants conversationnels. Elle permet de mesurer objectivement les performances, la précision et l'efficacité des solutions d'IA générative dans divers contextes d'usage. Utilisée par des chercheurs, des développeurs et des entreprises pour affiner leurs modèles avant déploiement.

TIAM est un outil d'évaluation conçu pour mesurer la qualité de l'alignement entre un texte descriptif (prompt) et les images générées par des modèles de vision-langage. Il vérifie si les entités et leurs attributs spécifiés dans le prompt sont effectivement visibles dans les images synthétiques. Utilisé principalement en recherche, il permet de comparer objectivement les performances des modèles de génération d'images.

Outil permettant d'évaluer et comparer les performances de serveurs d'inférence pour modèles de langage (LLM). Il génère des graphiques et rapports détaillés sur la vitesse de génération, l'utilisation du cache KV, et la capacité à gérer des requêtes parallèles. Les résultats aident à identifier les goulots d'étranglement et à optimiser les configurations pour des déploiements en production.

Outil dédié à la transition entre les versions 1 et 2 de Publicodes, permettant de tester et comparer des modèles métiers. Il facilite l'évaluation de règles, la génération de rapports détaillés et l'analyse des divergences entre versions. Utilisé pour valider la compatibilité et la performance des modèles avant migration.

Outil dédié à la génération automatique de modèles PRISM pour des systèmes de production industrielle. Il permet de créer des fichiers DTMC (Discrete-Time Markov Chains) basés sur des politiques de service spécifiques, comme le blocage après service. Les modèles générés facilitent l'analyse et l'optimisation des performances des lignes de production en exploitant des configurations paramétrables pour différents types de systèmes (1-slot ou 2-slot).

Ce projet développe des outils pour analyser et caractériser les sources sismiques à partir de données GNSS en utilisant des modèles d'apprentissage profond. Il permet de générer des séries temporelles synthétiques, d'entraîner des modèles de deep learning et d'évaluer leur performance sur des données réelles et simulées.

Ce projet utilise des modèles d'intelligence artificielle spécialisés dans la génération de résumés de textes en anglais. Il s'appuie sur des discours du Président Harry S. Truman pour évaluer et comparer les performances de deux modèles de pointe : BART et Pegasus. L'objectif est de faciliter l'analyse rapide de contenus textuels volumineux.

Ce projet permet de déployer et gérer des instances de serveurs vLLM (Very Large Language Model) pour exécuter des modèles de langage à grande échelle. Il facilite l'orchestration, le scaling et la maintenance des ressources nécessaires à l'exécution de ces modèles, tout en optimisant les coûts et les performances. Idéal pour les entreprises ou chercheurs souhaitant exploiter des IA génératives sans gérer l'infrastructure sous-jacente.

Projet dédié à la modélisation et à la simulation de données biophysiques pour l'agriculture et l'environnement. Il permet d'entraîner des modèles de machine learning (PROSAIL-VAE ou régression supervisée) pour analyser des images satellites et valider les résultats avec des données terrain. Le projet inclut également des outils pour générer des jeux de données synthétiques et évaluer les performances des modèles.