Ce projet vise à standardiser et automatiser le traitement des données pour garantir leur reproductibilité et leur fiabilité dans des environnements scientifiques ou techniques.

Outil open source conçu pour automatiser et orchestrer des workflows d'analyse d'imagerie cérébrale fonctionnelle (IRMf). Il permet de construire des chaînes de traitement à partir de descriptions de configurations, d'exécuter ces workflows en parallèle sur des clusters de calcul, puis de post-traiter les résultats pour en extraire des statistiques et des corrélations. Destiné aux chercheurs et cliniciens en neurosciences, il facilite la reproductibilité et l'analyse comparative des données.

Ce projet fournit un ensemble d'outils et de workflows dédiés au traitement et à l'analyse de données issues de techniques de diffraction avancées, notamment pour la calibration et l'intégration de spectres de rayons X. Il facilite l'automatisation des processus expérimentaux et la gestion des données brutes et traitées, en s'appuyant sur des logiciels spécialisés comme pyFAI et Ewoks. Destiné aux scientifiques et chercheurs, il optimise la reproductibilité et la traçabilité des analyses.

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 open source dédiée au traitement d'images et aux utilitaires pour la vision par ordinateur. Elle permet de manipuler des images dans un format compatible avec Torch, de charger des masques binaires pour les tâches de segmentation, d'assurer la reproductibilité des résultats et de script des modèles en TorchScript. Idéale pour les chercheurs et développeurs travaillant sur des projets de vision artificielle.

Ce projet vise à standardiser et automatiser la création d'images conteneurisées pour le traitement des données astronomiques du Zwicky Transient Facility (ZTF). Il permet de générer des images Docker compatibles avec Apptainer, facilitant leur déploiement dans des data centers comme le CCIN2P3. Les images sont également utilisables sur des postes de travail pour le développement local, assurant une reproductibilité des environnements et une collaboration efficace entre les équipes scientifiques.

Outil open source dédié au traitement et à l'analyse d'images scientifiques, notamment dans les domaines de la tomographie et de l'imagerie médicale. Il permet aux chercheurs et ingénieurs de manipuler, visualiser et analyser des jeux de données volumineux avec des algorithmes avancés. Intégré à des environnements de calcul scientifique, il facilite la reproductibilité et l'automatisation des analyses.

Outil permettant d'exécuter des scripts R dans un environnement conteneurisé via Docker. Facilite l'automatisation et la reproductibilité des analyses statistiques ou des traitements de données. Idéal pour les environnements nécessitant une isolation des dépendances et une exécution standardisée.

Boîte à outils dédiée à l'analyse d'images biologiques et médicales, intégrée au logiciel Icy. Elle fournit des fonctionnalités avancées pour le traitement, la segmentation et l'extraction de caractéristiques d'images, facilitant ainsi la recherche en bio-imagerie. Utilisée par des scientifiques pour automatiser des analyses complexes et améliorer la reproductibilité des résultats.

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.