Application mobile permettant aux utilisateurs de gérer leurs contacts de manière intelligente. L'utilisateur peut créer, modifier, supprimer ou rechercher des contacts. Le système classe automatiquement les contacts en fonction de la fréquence des interactions (appels, messages) et des recherches effectuées. Une fonction de recherche avancée optimise les résultats en analysant les scores de pertinence des contacts et des termes de recherche.

Ce projet développe des modèles d'intelligence artificielle pour classifier des IRM cérébrales en distinguant des états comateux et non-comateux. Il compare les performances de plusieurs architectures de réseaux de neurones profonds (comme LeNet17) et applique des techniques de transfert d'apprentissage pour améliorer la précision des diagnostics. Les résultats sont utilisés pour soutenir la recherche médicale et l'analyse automatisée d'images médicales.

Projet de recherche en traitement automatique du langage naturel (TALN) utilisant des modèles comme FlauBERT et FastText pour analyser des textes en français. Il génère des vecteurs sémantiques, compare des modèles de langage, évalue leur précision et visualise les résultats via des heatmaps et dendrogrammes. Les cas d'usage incluent l'analyse de sentiments, la classification de textes et l'étude des similarités lexicales.

Module basé sur l'IA pour classifier automatiquement des documents selon la nomenclature NACE. Utilise des embeddings, le RAG et une coopération multi-agents pour fournir un contexte enrichi et des résultats plus précis. Permet d'automatiser des tâches de classification et d'analyse de données textuelles dans un cadre professionnel.

Ce projet vise à automatiser la classification des résultats de tests médicaux entre les périodes S1 et S2. Il permet aux professionnels de santé de gagner du temps dans l'analyse des données et d'améliorer la précision des diagnostics. L'outil s'intègre dans les workflows existants des laboratoires et hôpitaux pour fluidifier les processus décisionnels.

Le projet autograding permet de corriger automatiquement les devoirs des étudiants en exécutant des pipelines CI/CD GitLab qui envoient les résultats des tests unitaires vers GitLab Classrooms.

Ce projet automatise la classification des produits selon la nomenclature COICOP en utilisant un pipeline RAG (Retrieval-Augmented Generation). Il traite des données économiques brutes pour produire des annotations normalisées, améliorant ainsi la précision des classifications. Le système intègre des modèles d'IA avancés pour l'encodage vectoriel et la génération de résultats, tout en assurant une traçabilité complète des métriques via MLflow. Les données sont centralisées et structurées pour faciliter l'analyse sectorielle.

Ce projet est un jeu basé sur la visualisation de la préhension de la main avec une communication avec des gants Arduino équipés de moteurs permettant un retour haptique. La communication avec les gants s'effectue via un port COM. Le jeu nécessite le résultat d'un classificateur qui est reçu par LSL à partir d'OpenViBE. Il est utilisé dans un protocole de rééducation post-AVC simplifié avec de nombreux éléments automatisés.