Le projet Turbo décodeur au-delà du Gbps sur multi-cœurs CPU est conçu pour optimiser les performances de décodage de données à des débits supérieurs au Gbps. Il exploite la puissance de traitement parallèle des processeurs multi-cœurs pour améliorer la vitesse et réduire la latence de décodage. Le décodeur prend en charge le décodage simultané de plusieurs flux de données, offrant une solution flexible et efficace pour les applications exigeantes en matière de traitement de données haute vitesse.

Bibliothèque JavaScript spécialisée dans la conversion haute performance de données géospatiales (GeoArrow, GeoParquet, WKB) en formats binaires optimisés pour des bibliothèques de visualisation comme Deck.gl. Elle permet de reprojeter, traiter et optimiser des géométries complexes (points, lignes, polygones) pour un rendu fluide et précis sur des cartes interactives, en exploitant des techniques de streaming et de traitement zéro-copie.

Ce projet propose des outils et méthodes pour optimiser les calculs intensifs sur GPU, notamment dans le domaine de la simulation scientifique. Il inclut des bibliothèques et frameworks dédiés à l'accélération des traitements parallèles, ainsi que des ressources pédagogiques pour former les utilisateurs à ces technologies. Destiné aux chercheurs et ingénieurs, il facilite la mise en œuvre de solutions haute performance pour des applications variées.

Pyotb est une bibliothèque Python qui encapsule les fonctionnalités de l'Orfeo ToolBox (OTB), un ensemble d'outils open source dédié au traitement d'images satellites et à la télédétection. Il permet aux développeurs d'utiliser facilement les applications OTB depuis Python, simplifiant ainsi l'analyse d'images géospatiales, la calibration optique, la classification ou encore la génération de produits dérivés. Grâce à son approche Pythonique et son interopérabilité avec des bibliothèques comme NumPy, pyotb rend accessible des traitements complexes tout en optimisant les performances.

Bibliothèque Rust dédiée à l'accélération de la lecture et de l'écriture de fichiers CSV en exploitant les instructions SIMD. Conçue pour traiter rapidement de grands volumes de données tabulaires, elle offre des lecteurs et écrivains optimisés pour des cas d'usage exigeants en performance, comme l'analyse de données massives ou le traitement en temps réel. Moins flexible que des solutions classiques, elle privilégie la vitesse au détriment de certaines fonctionnalités avancées.

Projet de développement d'une application mobile Android destinée à interagir avec des services backend. Il permet de récupérer, traiter et afficher des données dynamiques issues d'API externes. L'application inclut des fonctionnalités de gestion des requêtes réseau, de parsing de données structurées et d'optimisation des performances pour une expérience utilisateur fluide.

Logiciel dédié à l'analyse et à la calibration des données issues des détecteurs BiPo3. Il permet de traiter les signaux radioactifs, d'optimiser les performances des capteurs et d'assurer une précision élevée dans les mesures. Utilisé principalement dans les laboratoires de physique nucléaire et les centres de recherche.

Caffe est un framework open source dédié à l'apprentissage profond, spécialisé dans le traitement d'images et la vision par ordinateur. Il permet de concevoir, entraîner et déployer des modèles de réseaux de neurones convolutifs (CNN) pour des tâches comme la classification d'images, la détection d'objets ou la segmentation sémantique. Utilisé par des chercheurs et des entreprises, il offre une architecture modulaire et des performances optimisées pour accélérer les calculs.

HiPeRTA est une bibliothèque logicielle dédiée à l'analyse et au traitement de données issues de télescopes à imagerie Cherenkov, utilisés en astrophysique pour détecter les rayons gamma. Elle permet de simuler des caméras, calibrer les instruments, traiter les signaux temporels et reconstruire des événements astrophysiques avec une approche optimisée pour les performances.

Ce projet automatise le traitement de fichiers génomiques en découpant des séquences FASTA et en exécutant des requêtes BLAST en parallèle. Il permet d'optimiser les analyses génomiques en réduisant le temps de calcul grâce à une parallélisation efficace sur des infrastructures de calcul haute performance comme SLURM. Destiné aux chercheurs et laboratoires en biologie moléculaire, il facilite l'exploration de grandes bases de données génétiques.