Projet Albert, développé par Etalab, met à disposition des agents de la fonction publique des outils basés sur l'intelligence artificielle générative. Il permet d'interagir via une interface dédiée pour obtenir des réponses automatisées et contextualisées, optimisant ainsi l'efficacité des services publics et l'accès aux informations administratives.

Geoarches est une bibliothèque open source développée par l'INRIA dédiée à la modélisation et à la prévision des données climatiques et météorologiques. Elle permet aux chercheurs et ingénieurs de construire, entraîner et évaluer des modèles de machine learning spécialisés dans l'analyse de données géospatiales complexes. Le projet facilite l'intégration de blocs fonctionnels dans des pipelines de recherche existants et propose des outils pour le téléchargement, le prétraitement et l'évaluation des données.

Mediatech est un projet public qui traite des données administratives ouvertes pour les rendre accessibles et exploitables par des applications d'intelligence artificielle. Il automatise le téléchargement, le traitement, la vectorisation et l'insertion de ces données dans une base de données PostgreSQL avec PgVector, facilitant ainsi leur utilisation par les acteurs publics et les développeurs.

Ce projet est une plateforme d'analyse de données hébergée sur Google Cloud Platform. Il permet de collecter, traiter, et analyser des données à grande échelle grâce à des outils tels que BigQuery, Airflow, et TensorFlow.

SoccerGen est un cadre de travail innovant conçu pour générer des images de matchs de football avec un contrôle spatial fin. Il permet de positionner précisément les joueurs, le ballon et les éléments du terrain, tout en ajustant les couleurs des maillots. Ce projet facilite la création de données synthétiques pour l'entraînement de modèles d'IA, la production de contenus visuels pour le divertissement ou la publicité, et l'amélioration de la précision des modèles de génération d'images appliqués au sport.

Ce projet propose une méthode innovante pour améliorer la génération d'images contrôlables par texte en utilisant une supervision directe sur l'image cible propre, appelée x0-supervision. L'approche permet d'accélérer significativement l'entraînement des modèles de diffusion tout en améliorant la qualité visuelle et la précision des conditions de génération. Les résultats expérimentaux démontrent une convergence jusqu'à deux fois plus rapide selon une nouvelle métrique, tout en maintenant une haute fidélité et un alignement textuel optimal.

Projet de l'Ecolab visant à produire des outils d'aide à l'analyse d'études d'impact environnemental via du Machine Learning et du Natural Language Processing. Il permet la détection et l'extraction de sommaires de documents PDF, l'analyse de l'importance des enjeux dans un texte et le résumé automatique de sections de texte.

EvalAP est une plateforme publique dédiée à l'évaluation des modèles d'intelligence artificielle, notamment les grands modèles de langage (LLM). Elle permet aux institutions publiques comme Etalab de mesurer et comparer les performances de différents modèles d'IA. La plateforme propose une interface utilisateur pour explorer les jeux de données, les métriques et les résultats d'expérimentations, ainsi qu'une API pour automatiser les évaluations. Elle facilite la transparence et l'amélioration continue des outils d'IA utilisés par l'administration.

PyImageLabeling est un outil d'annotation d'images doté d'une interface conviviale, conçu pour créer des masques d'images utilisés dans l'entraînement de modèles de machine learning dédiés à des tâches de vision par ordinateur. Il permet d'étiqueter des images pixel par pixel ou via des formes géométriques, avec des fonctionnalités avancées comme l'assistance par IA pour la segmentation automatique et la propagation d'annotations entre images.

FIDeL est un cadre de détection de défaillances pour les politiques d'apprentissage par imitation en robotique. Il combine des techniques de vision par ordinateur, d'alignement par transport optimal et de prédiction conforme pour identifier, localiser et filtrer sémantiquement les échecs en temps réel. Le système fonctionne sans interférer avec l'exécution des politiques robotiques et s'appuie sur des modèles de langage visuel pour enrichir l'analyse des anomalies.