Le projet training_laas a pour objectif de fournir des outils d'analyse et de prédiction de la consommation énergétique et de la production d'énergie en fonction des données météorologiques. Il permet aux professionnels du secteur de l'énergie de mieux comprendre les tendances de consommation et de production, d'optimiser leur production et de prévoir les besoins futurs.

PowerSpy est un projet open-source qui fournit des implémentations de pilotes pour la surveillance de la consommation électrique dans différents langages de programmation. Il permet aux utilisateurs de collecter, analyser et visualiser les données de consommation électrique pour détecter d'éventuelles dépenses anormales et optimiser la consommation énergétique.

Le projet RT_PA_1_TSMC180 est dédié à la conception et à l'optimisation de circuits intégrés haute performance en utilisant le nœud de processus TSMC 180nm. Il met l'accent sur l'amélioration de la consommation énergétique et de la fiabilité des puces, en s'appuyant sur des méthodologies et des outils de conception de pointe.

Joulehunter est un outil d'analyse de la consommation d'énergie des programmes. Il permet d'identifier les parties du code qui consomment le plus d'énergie, contribuant ainsi à l'optimisation de la consommation énergétique des logiciels.

Grid Manager with Matlab/Octave est un projet dédié à la gestion et à l'optimisation de réseaux électriques. Il permet de simuler des scénarios de distribution d'énergie et d'optimiser la consommation d'énergie, offrant ainsi une meilleure efficacité énergétique.

Le projet mipepcons vise à optimiser la gestion des projets de construction et la maintenance des bâtiments en contrôlant la consommation énergétique, en surveillant la qualité de l'air intérieur et en gérant les équipements techniques. Il permet d'améliorer le confort et la sécurité des occupants, ainsi que de réduire les coûts énergétiques et d'entretien.

GreenML est un outil permettant de calculer et d'analyser la consommation énergétique des algorithmes de machine learning. Il permet aux utilisateurs de comparer l'efficacité énergétique des différents modèles et algorithmes de machine learning, et d'optimiser leur consommation énergétique.

Le projet csram-qemu-plugin est un plugin QEMU permettant d'émuler le Computational SRAM (C-SRAM), une architecture de mémoire vive optimisée pour les opérations énergétiquement coûteuses. Il permet d'utiliser la mémoire C-SRAM comme unité de traitement vectoriel programmable, réduisant ainsi la consommation énergétique en minimisant les mouvements de données et le code exécuté.

Le projet datacentre.ip-paris.fr est une plateforme de gestion et de suivi des centres de données. Il permet de superviser les capacités de stockage, de monitorer l'infrastructure informatique, et de surveiller la consommation énergétique. Il offre une vue d'ensemble de l'état des centres de données et permet aux équipes informatiques d'optimiser leur gestion et leur maintenance.

Ce projet vise à optimiser la consommation énergétique des programmes multithreadés et à générer des rapports de performance. Il fournit des outils pour surveiller et analyser les programmes multithreadés, ainsi que des scripts pour générer des visualisations de données.