Ce projet permet de transformer, nettoyer et analyser des données médiatiques issues de l'INA et de Twitter. Il facilite l'exploitation de jeux de données bruts en les convertissant en formats exploitables (DataFrame, CSV) et propose des interfaces interactives pour visualiser et décrire les données. Les outils développés aident à identifier les producteurs de contenus, leur circulation et leur impact, notamment autour d'événements médiatiques comme le procès du Mediator.

Projet dédié à l'analyse et à la visualisation des écosystèmes médiatiques en France. Il permet de cartographier les relations entre différents acteurs médiatiques et de représenter des données complexes sous forme de graphiques interactifs. L'objectif est de faciliter la compréhension des dynamiques médiatiques par des outils visuels et analytiques.

Projet de recherche académique analysant les interactions entre députés et acteurs médiatiques ou partisans via les réseaux sociaux. Il utilise des techniques de traitement automatique du langage et de modélisation thématique pour identifier les discours dominants, les influences et les dynamiques de communication au sein de l'Assemblée nationale. Les résultats sont présentés sous forme de tableaux de bord interactifs et de visualisations pour faciliter l'interprétation des données.

Carto-Medias est un outil de visualisation de données dédié au secteur des médias. Il permet d'analyser des réseaux sociaux et de suivre les tendances médiatiques grâce à des représentations graphiques interactives.

Obi-Wan est un système d'intégration de données RDF (RIS) basé sur le paradigme OBDA (Ontology-Based Data Access). Il permet de fédérer et d'interroger des sources de données hétérogènes (bases SQL, graphes RDF, endpoints SPARQL) à travers une ontologie commune. Le système offre des stratégies avancées de réécriture de requêtes et de médiation, ainsi que des outils de visualisation pour analyser les résultats. Il est particulièrement adapté aux environnements nécessitant une intégration sémantique de données dispersées.

Ce tableau de bord Streamlit présente une analyse exploratoire du discours médiatique français sur l'intelligence artificielle entre 2011 et 2021. Il inclut le nettoyage et la préparation des données, l'ingénierie des caractéristiques, et la visualisation des distributions.

Ce projet permet d'analyser et de visualiser des données météorologiques et environnementales liées aux risques d'incendie de forêt en Algérie. Il exploite un jeu de données détaillé incluant température, humidité, vitesse du vent et précipitations pour évaluer les conditions propices aux départs de feu. Les utilisateurs peuvent explorer ces données pour mieux comprendre les facteurs influençant les incendies et contribuer à leur prévention.