Ce projet vise à développer une solution d'intelligence artificielle pour analyser des données massives et en extraire des insights pertinents. Il permet aux utilisateurs de simuler des scénarios, d'automatiser des processus et d'optimiser des décisions métiers grâce à des algorithmes avancés. Les fonctionnalités incluent le traitement de données structurées et non structurées, ainsi que la génération de rapports automatisés pour faciliter l'analyse stratégique.

FormIAble est une solution logicielle conçue pour automatiser la gestion, la classification et l'extraction de données à partir de formulaires administratifs. Elle permet de transformer des documents papier ou numériques en données structurées exploitables, facilitant ainsi leur traitement automatisé. Le projet inclut des outils pour générer des formulaires synthétiques, corriger l'orientation des documents et classer les formulaires selon leur type. Idéal pour les administrations, entreprises ou prestataires de services souhaitant optimiser leur workflow documentaire.

PhoenixFileBinaryAnalyzer est un outil conçu pour analyser des fichiers binaires et extraire des offsets précis d'attributs spécifiques dans des données structurées. Il permet de comparer des fichiers de données brutes avec des fichiers de référence pour identifier les positions des attributs recherchés, facilitant ainsi l'analyse et le traitement des données. Utilisé principalement dans des contextes scientifiques ou techniques, il optimise la gestion des fichiers de grande taille en réduisant les temps de traitement.

Bibliothèque ou service dédié à la manipulation et transformation de données via des fonctions d'ordre supérieur. Permet de composer des opérations complexes de manière déclarative et réutilisable. Facilite la gestion de flux de données asynchrones ou paresseux tout en optimisant les performances. Utilisé principalement par des développeurs pour structurer des traitements de données évolutifs et maintenables.

Combicancer est un pipeline de traitement et de reformatage de données médicales issues du Système National des Données de Santé (SNDS) en France. Il transforme des données brutes complexes en tables structurées au format OMOP-like, facilitant leur exploitation pour des analyses statistiques et épidémiologiques, notamment sur le cancer. Le projet vise à garantir la qualité, la traçabilité et la reproductibilité des données, tout en optimisant leur accessibilité pour la recherche médicale et la santé publique.

Outil permettant d'écrire des jeux de données dans des formats comme CSV, Arrow ou Parquet de manière concurrente. Il facilite la gestion de fichiers volumineux en optimisant les performances grâce à des écritures parallèles. Idéal pour les applications nécessitant un traitement rapide et efficace de grandes quantités de données structurées.

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.

Ce projet permet de convertir des données brutes au format CL31 en requêtes structurées (QLs) pour faciliter leur analyse et leur exploitation. Il automatise la génération de rapports à partir de données techniques, optimisant ainsi le traitement et la visualisation des informations.

Projet dédié à la collecte, au traitement et à l'analyse de données scientifiques, notamment dans le domaine environnemental. Il facilite la collaboration entre équipes de recherche en offrant des outils pour automatiser et structurer des workflows analytiques complexes. Le projet s'appuie sur des infrastructures partagées pour optimiser les ressources et accélérer les découvertes.

Projet dédié au traitement et à l'automatisation de workflows de données pour des applications scientifiques, notamment dans le domaine de l'analyse de données expérimentales. Il permet de structurer, traiter et optimiser des flux de données complexes pour des chercheurs ou des laboratoires.