Bibliothèque Python développée par Météo-France pour concevoir et entraîner des modèles d'intelligence artificielle dédiés à l'analyse et la prévision des données météorologiques. Elle propose des architectures de réseaux de neurones adaptées (CNN, transformers, modèles multimodaux) pour des tâches comme la segmentation d'images satellite, la génération de texte à partir de données météo ou la détection d'artefacts sur les images radar. Les modèles sont optimisés pour des applications opérationnelles en météorologie.

Multi-ML est un langage de programmation fonctionnel conçu pour implémenter des algorithmes Multi-BSP au-dessus d'OCaml. Il combine l'abstraction élevée des langages ML avec les performances prévisibles et scalables du modèle multi-BSP, permettant de représenter des architectures hiérarchiques imbriquées pour des calculs parallèles optimisés.

Ce service automatise l'extraction et la mise à disposition des données de prévision numérique du temps (PNT) de Météo-France. Il télécharge régulièrement les runs des modèles Arpege, Arome, Arome Outre-Mer et Vague/Surcote, puis publie ces données en open data sur data.gouv.fr. Le système gère également l'archivage et la suppression des anciens lots pour optimiser le stockage.

MSE est un outil de modélisation et de prévision de la dynamique des populations marines. Il permet d'analyser l'impact de mesures de gestion sur ces populations et d'optimiser la gestion des zones de pêche. MSE est basé sur le langage de programmation FreeFem++ et la bibliothèque DOLFINx.