Vous pouvez trouver ici des exemples de projets innovants portés par des membres du SSP. # Qu’est-ce qu’un projet innovant ? Il est toujours délicat de définir *ex-ante* ce qu’est un projet innovant. L’innovation technologique est par définition mouvante et évolue très vite. Cependant, comme rappelé dans le [manifeste](manifeste.llms.md), les innovations technologiques récentes visent à **simplifier et accélérer** certains processus de production, à **faciliter l’exploitation de sources de données non traditionnelles ou volumineuses**, à **automatiser certaines tâches**, à **communiquer** auprès de publics plus larges avec des visualisations réactives ou encore, entre autres, à réduire le hiatus entre statisticiens et informaticiens. Par exemple, la modernisation d’une chaîne de traitement par l’utilisation de nouveaux packages ou de nouvelles méthodes de traitement d’information est une innovation technologique. Elle peut ne pas être assez ambitieuse à elle-seule cependant pour définir un véritable projet innovant, et donc ne figurera pas forcément dans les projets présentés ici. A l’inverse, la simple mise à jour de code, ou l’utilisation de nouvelles bases administratives, si elle ne contient pas d’obstacles technologiques particuliers, n’est pas considéré en soit comme de l’innovation technologique. Cela ne veut pas dire que ce projet n’est pas nécessaire et bienvenu 😉. Par ailleurs, un projet est innovant à date et peut ne plus l’être quelques mois ou années plus tard, quand l’innovation s’est assez répandue pour être considérée comme un savoir classique. # Quel est le champ des projets présentés ici ? La liste des projets présentés ici ne vise pas à être exhaustive. Elle est basée sur le volontariat. L’objectif est d’offrir un point central de partage entre data-scientist du SSP, comme rappelé dans le [manifeste](manifeste.llms.md). **Toute proposition d’ajout par fusion sur notre est la bienvenue !** # Liste des projets ![](./project/2026_recodification_nace/schema_recodif_nace.png) ##### Recodification de la NACE 2.0 vers la NACE 2.1 avec des LLMs Utilisation de grands modèles de langage (LLM) comme annotateurs virtuels pour retraiter un corpus d’entraînement lors de la révision d’une nomenclature d’activités… ![](./project/2026_sndsTools/sndsTools_img.png) ##### sndsTools, un package R pour l’extraction de recours aux soins dans les données de santé du SNDS Le package R `sndsTools` facilite l’extraction de recours aux soins à partir des données de santé du Système National de Données de Santé (SNDS) hébergées sur le portail de… ![](./project/2025_nowcasting/comp_fr.png) ##### Comparaison des prévisions entre *nowcasting* et approche ascendante Utilisation de modèles de prévisions en temps réel (*nowcasting*) inspiré du « GDPnow » de la Réserve Fédérale d’Atlanta pour prévoir la croissance du PIB et comparaison… ![](./project/2025_comptes_bancaires_conj/money.jpg) ##### Exploitation de données bancaires pour les prévisions de croissance du PIB Analyse du comportement des ménages à partir de données de comptes bancaires pour les prévisions de croissance économique, pendant la crise sanitaire et entre 2023 et 2024 ![](./project/2024_cb_mno_tabac/tabac.png) ##### Une évaluation des achats transfrontaliers de tabac et des pertes fiscales associées en France Exploitation d’une expérience naturelle, la fermeture des frontières en 2020, pour mesurer la part d’achats transfrontaliers de tabac ![](./project/2024_scanr/scanr.png) ##### scanR, une application pour observer le paysage de la recherche et de l’innovation en France Agrégation et mise à disposition de données massives sur la recherche et l’innovation en France par des visualisations, des moteurs de recherche ElasticSearch et des API ![](./project/2022_drees_dataviz/dataviz.png) ##### Visualisations des données liées aux tests du SARS-Cov2 Publication hebdomadaire des données liées aux tests de détection du SARS-Cov2 par Shiny à partir du système d’information SI-DEP ![](./project/2023_doremifasol/doremifasol.png) ##### Doremifasol Le package R Doremifasol facilite la récupération des données Insee pour les data scientists. La librairie est open source, disponible sur… ![](./project/2023_pynsee/example_pynsee.webp) ##### pynsee, un package Python pour récupérer les données de l’Insee Le package `pynsee` facilite la récupération des données Insee pour les data scientists. La librairie est open source, disponible sur Github. ![](./project/2022_satellites/Satellites_Mayotte.png) ##### Utilisation des images satellites pour la statistique publique Utiliser les images satellites pour améliorer le recensement de la population dans les territoires ultra-marins ![](./project/2022_Curiexplore/curiexplore.png) ##### Curiexplore, la plateforme de comparaison des politiques nationales d’enseignement et de recherche Visualisation interactive de l’environnement de l’enseignement et de la recherche dans les différents pays. ![](./project/2022_Enquete_Budget_Famille/visuel_Budget_des_familles_1.png) ##### Travaux méthodologiques sur l’enquête Budget de Famille Modernisation de l’enquête budget des familles par utilisation d’outils de classification automatique ![](./project/2022_JOCAS/jocas.png) ##### Jocas, webscraping des offres d’emploi en ligne Le projet `Jocas` (Job offers collection and analysis system) permet à la DARES (Service statistique ministériel Travail) de collecter automatique des offres d’emploi en… ![](./project/2022_bso/bso.png) ##### Baromètre de la science ouverte Pour être en mesure de suivre l’ouverture des publications scientifiques (objectif de la stratégie nationale de science ouverte), le service statistique du Ministère de… ![](./project/2022_codif_ape/codif_ape_overall.png) ##### Codification automatique de l’activité principale des entreprises Développer un algorithme de machine learning pour automatiser la classification de l’activité principale des entreprises et mise en production ![](./project/2021_detection_cyber/cybercriminalite.jpg) ##### Détecter la cybercriminalité dans les procédures Détection des infractions relevant de la cyberdélinquance à partir d’une analyse textuelle des manières d’opérer ![](./assets/media/logo_ssm_insee.webp) ##### Modélisation de l’appartenance au parc des véhicules routiers et de son utilisation Appariement de bases administratives et modélisation pour estimer le nombre de véhicules routiers en France ![](./project/2021_webscraping_ipc_hotel/webscraping_ipc.png) ##### Indices des prix à la consommation des nuitées hôtelières : l’expérience du webscraping d’une plateforme de réservation en ligne Exploration des apports du *webscraping* pour mesurer le prix des nuitées hôtelières dans l’IPC ##### Prévoir la croissance en lisant le journal Utiliser les articles de presse en continu pour construire un indicateur aidant à prévoir la croissance ##### Comparaison des méthodes d’appariement et apport du machine learning Tester et comparer différentes méthodes d’appariements afin de dégager des recommandations pour les travaux nécessaires à la construction des répertoires, notamment dans le… ##### Extraction automatique du tableau des filiales et participations des comptes sociaux des entreprises Extraire les informations de tableaux de comptes sociaux, en particulier des tableaux des filiales et participations, contenus dans des images scannées mises à disposition… ##### Codification automatique des professions dans la nomenclature PCS 2020 Codifier automatiquement les professions dans le cadre de la bascule vers la nouvelle nomenclature PCS (PCS 2020) ##### Utilisation de données de cartes bancaires et de téléphonie mobile pour prévoir l’activité économique La crise sanitaire de 2020 a nécessité de revoir les processus de prévision pour être plus réactif face aux événements. Dans ce cadre, l’Insee s’est appuyé sur les données… ##### Que disent les données de production et de consommation d’électricité sur l’activité économique en période de confinement ? Utilisation des données de production et de consommation d’électricité pour prévoir l’activité économique ##### Mouvements de population autour du confinement de mars 2020 grâce aux données de téléphonie mobile L’Insee a eu accès à des données de téléphonie mobile dans le cadre du suivi de la crise sanitaire de 2020. Ces données ont permis de produire les statistiques sur les… ##### Webscrapper les caractéristiques des produits pour améliorer la mesure de l’inflation Collecter sur le web les caractéristiques des produits pour améliorer la prise en compte des effets qualité dans l’indice des prix à la consommation ##### Classification des données de caisse à partir de machine learning Classifier des données de caisse dans la nomenclature COICOP par machine learning pour le calcul de l’IPC ##### « GDP Tracker » : un outil pour des prévisions économiques en continu Modèles de *machine learning* pour effectuer des prévisions en temps réel (*nowcasting*) pour alimenter les analyses conjoncturelles de l’Insee ##### Codification automatique de l’activité des associations Codification automatique de l’activité des associations à partir de méthodes de machine learning ##### Détecter et traiter les valeurs aberrantes ou manquantes, application à la Déclaration Sociale Nominative Utilisation des méthodes de machine learning pour la détection et le traitement des valeurs aberrantes ou manquantes, application à la Déclaration Sociale Nominative ##### Ségrégation urbaine : un éclairage par les données de téléphonie mobile Croisement de données administratives et de données de téléphonie pour analyser la ségrégation au niveau local