Ce projet vise à améliorer la reproductibilité des analyses de données en intégrant des mécanismes de traçabilité des versions de code et des paramètres expérimentaux. Il permet de documenter automatiquement les conditions d'exécution des scripts, d'enregistrer les métadonnées associées aux résultats produits, et de vérifier l'intégrité des versions utilisées. L'objectif est de faciliter la réplication des analyses et de renforcer la confiance dans les données générées.

Ce projet vise à démontrer la reproductibilité d'une recherche en informatique en utilisant le gestionnaire de paquets transactionnel GNU Guix et les principes de la programmation littéraire via Org mode et GNU Emacs. Il présente un exemple concret d'une recherche en cours de thèse PhD qui combine Guix pour assurer la reproductibilité de l'environnement logiciel et Org mode pour maintenir une description exhaustive, claire et accessible des expériences, du code source et des procédures impliquées dans la construction de l'environnement logiciel expérimental, l'exécution de benchmarks et la collecte et le post-traitement des résultats.

Bibliothèque Python open-source développée au CRIL pour faciliter la conduite d'expériences et leur analyse dans le domaine de la résolution de problèmes SAT. Elle offre un outil complet pour la gestion des expériences, de la collecte des données à l'affichage des résultats, favorisant ainsi la reproductibilité des résultats expérimentaux.

BLISS est une bibliothèque open source conçue pour le contrôle et l'automatisation de systèmes expérimentaux dans des environnements scientifiques. Elle permet de gérer des équipements de laboratoire, d'acquérir et d'analyser des données en temps réel, et de visualiser les résultats obtenus. Utilisée principalement dans des centres de recherche, elle facilite la reproductibilité et l'efficacité des expériences.

Projet dédié à la reproduction et à la validation d'expériences scientifiques publiées dans le domaine des neurosciences. Il permet aux chercheurs de vérifier les résultats d'études en recréant les conditions expérimentales décrites dans un article académique. Le dépôt fournit les outils nécessaires pour exécuter les simulations et analyser les données, favorisant ainsi la transparence et la reproductibilité en science.

Ce projet propose des expériences scientifiques reproductibles en fournissant un environnement d'exécution standardisé via un Dockerfile. Il permet aux utilisateurs de recréer à l'identique les conditions nécessaires pour valider ou reproduire des résultats expérimentaux, garantissant ainsi la transparence et la fiabilité des travaux.