Protocole et serveur central pour la détection et l'alerte des clusters COVID dans les lieux publics ou privés. Il permet aux autorités sanitaires de centraliser les données de visites anonymisées, d'identifier les clusters de cas positifs et d'avertir les personnes potentiellement exposées via une application mobile. Le système gère également la génération de QR codes pour les lieux et le traitement des déclarations de cas positifs.

SIRIUS-ML est un dépôt de code dédié à l'analyse et au traitement automatisé de verbatims. Il propose des outils pour modérer, classifier et détecter des anomalies dans des contenus textuels, tout en garantissant l'anonymisation des données sensibles. Ces fonctionnalités sont utilisées dans le cadre du projet SIRIUS, une initiative publique visant à améliorer la gestion des retours citoyens.

Ce projet génère les illustrations et tableaux statistiques pour l'étude n°1152 de la DREES sur les bénéficiaires de l'allocation personnalisée d'autonomie (APA) à domicile en 2017. Il traite des données anonymisées en open data ou issues du CASD pour produire des analyses comparatives entre la France métropolitaine et la France entière, destinées à éclairer les politiques publiques en matière de dépendance.

Ce projet permet de traiter et analyser les données des plans d'Allocation Personnalisée d'Autonomie (APA) à domicile pour produire des statistiques et des illustrations destinées à une étude publique. Il contribue à évaluer l'inclusion d'aides techniques dans ces plans, en s'appuyant sur des remontées individuelles anonymisées. Les résultats sont publiés par la DREES, service statistique des ministères sanitaires et sociaux.

Le projet DARC est une application Python dédiée à la compétition Data Anonymisation and Re-identification Competition (DARC) organisée sur la plateforme AIcrowd. Il permet de pré-traiter des données, d'anonymiser des transactions, de ré-identifier des transactions anonymisées et d'évaluer la qualité d'anonymisation.

Ce projet est un outil d'anonymisation et de génération d'identifiants uniques pour des données sensibles, notamment dans le domaine de la santé. Il permet de transformer des identifiants sources (comme des numéros de patients) en identifiants anonymisés et déterministes, tout en garantissant la traçabilité via un fichier de mapping sécurisé. L'objectif est de protéger les données personnelles tout en assurant la reproductibilité des traitements et la conformité aux réglementations en vigueur.

Outil de gestion dédié au projet MITIK, visant à analyser la mobilité des utilisateurs via des mesures passives non intrusives. Il permet de configurer et superviser des capteurs Wi-Fi, synchroniser les données collectées, anonymiser les traces pour garantir la vie privée, et produire des analyses de trajectoires. L'objectif est d'intégrer et d'automatiser les processus de capture, traitement et interprétation des données pour faciliter la recherche en mobilité humaine.

Ce projet est un composant batch dédié au traitement des logs. Il anonymise les fichiers issus de Logstash et les transfère vers un répertoire spécifique pour un traitement ultérieur par un autre batch. Il s'intègre dans une chaîne de traitement automatisée pour l'analyse de données.

Le moteur NER de la Cour de Cassation est un outil d'anonymisation de décisions de justice. Il permet de protéger les données personnelles en identifiant et en anonymisant les entités nommées (noms, prénoms, dates, etc.) dans les décisions avant leur diffusion en open data. Il repose sur des techniques d'apprentissage automatique et de traitement du langage naturel.

Ce plugin pour Moodle permet de collecter et traiter les traces d'apprentissage des étudiants via des indicateurs pédagogiques. Il affiche en temps réel la progression, la participation et la performance des apprenants dans un cours. Les enseignants peuvent identifier les élèves en difficulté et adapter leur pédagogie. Le système s'appuie sur des données anonymisées issues des interactions avec les contenus pédagogiques (vidéos interactives, quiz, forums, etc.).