Ce projet permet de déployer et gérer des applications conteneurisées pour faciliter l'accès à des services numériques éducatifs. Il automatise les processus de déploiement, de test et de mise à jour, tout en assurant une intégration fluide avec des outils de collaboration et de gestion de code. Destiné principalement aux environnements éducatifs ou administratifs, il optimise la disponibilité et la maintenance des services numériques.

Ce projet propose une plateforme dédiée à la gestion et à l'automatisation de processus numériques avancés. Il facilite la collaboration entre équipes techniques en centralisant les outils nécessaires à la gestion de projets complexes, notamment via un dépôt de code source. L'objectif est d'optimiser les workflows et d'améliorer la productivité des développeurs.

Pyseafuel est une bibliothèque Python conçue pour simplifier la gestion et l'analyse de données scientifiques. Elle propose des outils intégrés pour automatiser la génération de documentation technique, faciliter le partage de résultats et optimiser les calculs numériques. Destinée aux chercheurs et ingénieurs, elle permet de centraliser les processus analytiques tout en garantissant une meilleure reproductibilité des travaux.

Projet dédié au traitement et à l'analyse de données numériques, notamment pour des applications scientifiques ou techniques. Il permet de manipuler des matrices, effectuer des calculs avancés et simuler des processus complexes. Utilisé dans des environnements nécessitant une gestion optimisée des données.

L'atelier COTHEP propose des outils numériques et des simulations pour l'industrie, notamment dans le domaine de la thermique et de l'adhésion des matériaux. Il combine des méthodes avancées comme la résolution par éléments finis et l'intelligence artificielle pour prédire et optimiser des procédés industriels, comme la dépose de bande. Ces solutions visent à améliorer l'efficacité et la qualité des processus de fabrication.

Outil interne développé par l'IGN pour faciliter la labellisation d'images géographiques issues de la BDOrtho IGN et des Modèles Numériques de Surface (MNS). Il permet une segmentation hiérarchique multi-échelle des données, essentielle pour l'entraînement de modèles d'intelligence artificielle en télédétection. Utilisé en interne par les équipes de la DSI et des services métiers, il optimise le processus d'annotation et de préparation des jeux de données géospatiaux.

ModelCinetich est un outil dédié à la simulation et à l'analyse de modèles cinétiques pour les réactions chimiques et les processus industriels. Il permet aux chercheurs et ingénieurs de prédire le comportement des systèmes chimiques, d'optimiser les conditions de réaction et de valider des hypothèses expérimentales grâce à des simulations numériques avancées.

Ce projet open source propose des méthodes numériques pour résoudre des problèmes d'optimisation inverse, notamment dans le domaine de la mécanique et de la robotique. Il permet de modéliser et simuler des systèmes dynamiques complexes en utilisant des approches mathématiques avancées comme les approximations polynomiales. Les solutions générées aident à optimiser des processus industriels ou des comportements mécaniques en analysant des données scientifiques.

TANGO est un outil de modélisation numérique conçu pour analyser et simuler les fermentations bactériennes dans la production fromagère. Il permet de réconcilier des données multi-omiques avec des réseaux métaboliques de trois espèces bactériennes clés : *P. freudenreichii*, *L. lactis* et *L. plantarum*. Le projet facilite l'optimisation des paramètres de fermentation et la compréhension des mécanismes d'interaction entre les bactéries, contribuant ainsi à améliorer les processus de fabrication des fromages.

Le solveur hybride massivement parallèle (Maphys) permet de résoudre des systèmes linéaires épars grâce à des méthodes directes/itératives hybrides. Il vise à améliorer les performances de calcul et optimiser les processus de simulation numérique.