Inscription

👉️ Les inscriptions se font ici. 👈️ La journée se déroulera uniquement en présentiel.

Agenda

L’agenda plus détaillé est en construction mais voici les détails des journées.

• 16 juin 2026 (9h30-17h30):
  • Matinée : accueil et présentation des principes de contribution à l’open source
  • Après-midi : séparation en groupes autour des différents projets et contributions
• 17 juin 2026 (9h-17h):
  • Matinée : contributions
  • Après-midi : contributions et clôture

Projets open-source

Les différents projets à date sont :

• Active Tigger : une application de labellisation de données textuelles, proposant aussi des techniques d’active learning, et permettant d’entraîner des modèles de classification textuelle (CREST). Le repo lié est ici ;
• SNDSTools : projet pour faciliter l’utilisation des données du système national de données de santé (SNDS) (Inria - Insee). Le repo lié est ici ;
• CanaR : projet visant à déployer en autonomie des chatbots personnalisés avec du RAG via un outil de commande.
• une liste de sujets à traiter en autonomie (en groupe ou seul). La liste définitive sera présentée le jour J mais comprend par exemple :
  • Sur Onyxia ou le SSPCloud : compléter la documentation et les formations (notamment en R) ;
  • Créer une charte graphique SSP revealjs pour une extension Quarto.

Si vous êtes intéressés pour être sponsor et porter un projet open-source, nous sommes toujours intéressés par quelques sponsors 👑. Votre rôle : proposer des projets (open-source bien sûr) pertinents pour les data-scientists et auxquels les participants pourraient contribuer pendant l’évènement. Cela peut être un package R, Python, un site …

En tant que sponsor, vous devrez connaître le sujet (sans en être expert ou mainteneur) et le besoin associé. En amont, votre rôle sera d’identifier une ou plusieurs issues à traiter et de préparer les pré-requis techniques (repo Git, droits d’accès) pour que les contributeurs puissent se mettre en selle rapidement le jour J. Le jour J, vous pourrez présenter le projet et la problématique, puis participer au travail collectif dont le but sera de produire des contributions (pull-requests) pour répondre aux besoins identifiés.

Si vous avez des questions, que vous êtes intéressé pour proposer un sujet ou simplement pour participer, n’hésitez pas à nous contacter 👋 par mail ou par Tchap.

Contact

Pour toute information : ssphub-contact@insee.fr

Replay de l’atelier

Support de présentation

createButton(
  "https://minio.lab.sspcloud.fr/ssphub/diffusion/website/2026-03-dares/Analyse_textuelle_documents_longs.pdf",
  "Télécharger les slides en pdf"
)

La présentation est aussi disponible en ligne.

function createButton(slides, message="Télécharger les slides"){
  const button = html`
  <p class="text-center">
    <a class="btn btn-primary btn-lg cv-download" href="${slides}" target="_blank">
      <i class="fa-solid fa-file-arrow-down"></i>&ensp;${message}
    </a>
  </p>`
  return button
}

Inscription

👉️ Les inscriptions se font ici. 👈️ Possibilité de participer en présentiel et en ligne.

Agenda

• 9h30-10h: Accueil, moment de convivialité autour d’un café.
• 10h-11h30: Retours d’expérience ;
  • Présentation de l’offre LLM du SSP Cloud, Insee - Division Innovation instruction technique (DIIT) ;
  • Extraire et analyser les compétences numériques dans les offres d’emploi grâce au NLP (Dares - Service statistique ministériel du Ministère du Travail et de l’Emploi & Insee - DEE) ;
• 11h30-12h15: Atelier de partage sur l’usage de l’IA pour les data scientists et statisticiens :
  • quels assistants de code pour un data scientist / statisticien ?
  • assistants, agents & vibe coding : partage d’expériences
• 12h15-14h: Pause déjeuner, moment de convivialité
• 14h-14h45: invité : Quelles évolutions récentes et à venir sur data.gouv (Dinum)
• 14h45-16h15: Retours d’expérience sur l’extraction de données et la classification :
  • Automatisation des Infos rapides Justice grâce au package R chartegraphique.sser (SSER - SSM Justice) ;
  • Présentation du package torchTextClassifiers, qui propose un cadre unifié et agile pour la classification de texte, basé sur PyTorch et PyTorch Lightning (Insee - SSPLab) ;
• 16h15-16h45: Pause, moment de convivialité
• 16h45-17h30: Keynote présentation du portail https://data.ina.fr/, le service de l’exploration des médias utilisant l’IA pour établir les indicateurs sur les médias (personnalités les plus mentionnées, répartition du temps de parole entre femme et homme …)
• 17h30-19h30: Pot, moment de convivialité

Replay et présentations

createButton(
  "https://minio.lab.sspcloud.fr/ssphub/diffusion/website/2025-12-network/0_general.pdf",
  "Télécharger les slides"
)

createButton(
  "https://minio.lab.sspcloud.fr/ssphub/diffusion/website/2025-12-network/1_SSPCloud_LLM.pdf",
  "Télécharger les slides"
)

createButton(
  "https://minio.lab.sspcloud.fr/ssphub/diffusion/website/2025-12-network/2_JOCAS_DARES.pdf",
  "Télécharger les slides"
)

createButton(
  "https://minio.lab.sspcloud.fr/ssphub/diffusion/website/2025-12-network/4_SSER_autoIRJ.pdf",
  "Télécharger les slides"
)

createButton(
  "https://minio.lab.sspcloud.fr/ssphub/diffusion/website/2025-12-network/5_TorchTextClassifier_Insee.pdf",
  "Télécharger les slides"
)

function createButton(slides, message="Télécharger les slides"){
  const button = html`
  <p class="text-center">
    <a class="btn btn-primary btn-lg cv-download" href="${slides}" target="_blank">
      <i class="fa-solid fa-file-arrow-down"></i>&ensp;${message}
    </a>
  </p>`
  return button
}

Contact

Pour toute information : ssphub-contact@insee.fr

📺️ La deuxième journée du réseau ayant eu lieu en 2024 est également disponible en replay.

Slides de la présentation

html`${slides_button}`

slides_button = html`<p class="text-center">
  <a class="btn btn-primary btn-lg cv-download" href="https://inseefrlab.github.io/ssphub-ateliers-slides/slides-data/parquet#/title-slide" target="_blank">
    <i class="fa-solid fa-file-arrow-down"></i>&ensp;Voir les slides
  </a>
</p>`

Documentation de l’atelier & replay

Le matériel lié à l’atelier, y compris le replay, est disponible ici.

Questions / contact

Si vous avez la moindre question 🤨, n’hésitez pas à contacter 📧 contact-ssphub@insee.fr.

Slides de la présentation

html`${slides_button}`

slides_button = html`<p class="text-center">
  <a class="btn btn-primary btn-lg cv-download" href="https://inseefrlab.github.io/ssphub-ateliers-slides/slides-data/api.html#/title-slide" target="_blank">
    <i class="fa-solid fa-file-arrow-down"></i>&ensp;Voir les slides
  </a>
</p>`

Documentation de l’atelier & replay

Le matériel lié à l’atelier, y compris le replay, est disponible ici.

Questions / contact

Si vous avez la moindre question 🤨, n’hésitez pas à contacter 📧 contact-ssphub@insee.fr.

Replay

Support et replay

Le support est disponible ici.

14h00-15h00 : Pitchs des projets d’intérêt commun

• socratext : Une solution pour extraire des informations contenues dans des documents non directement exploitables (PDF, images, photos …) afin d’accélérer certaines tâches très chronophages lorsqu’elles sont réalisées à la main par les agents publics (par exemple, extraire les informations des tickets de caisse pour l’enquête budget des familles de l’INSEE ou bien cibler des informations précises dans des rapports médicaux de plusieurs pages).

Ministères participants : Direction interministérielle du numérique, INSEE, ministère des Armées, ministère de l’Intérieur, Haute Autorité de Santé.

• gouvdown et shinygouv : une solution pour créer facilement des applications et des documents conformes à la charte graphique de l’État et faire gagner du temps aux agents.

Ministères participants : INSEE, direction interministérielle de la transformation publique et réseau des DREAL

• MatchSIRET : une solution pour faciliter et fiabiliser le quotidien des agents en leur donnant le moyen de remonter à l’identifiant exact d’une entreprise à partir d’informations issues du terrain (le nom commercial, la localisation ou le secteur d’activité).

Ministères participants : Direction interministérielle du numérique, ministère du Travail, de l’Emploi et de l’Insertion

• cartiflette : une solution pour harmoniser et associer des données géographiques issues de différents acteurs publics (INSEE, IGN, collectivités locales) à des contours géographiques normalisés via une API flexible. Ce projet sera associé à un site web, permettant ainsi de faciliter le travail des chercheurs, enseignants, administrations et médias souhaitant réaliser une carte à partir de données géographiques.

Ministères participants : INSEE, ministère de la Santé, ministère de l’Intérieur et ministère de la Transition écologique, enseignants-chercheurs

15h00 - 16h00 - Table ronde : Comment attirer et fidéliser les talents de la data au sein de l’Etat ?

1. Partage de bonnes pratiques issues de la sphère publique :
   • Romain Lesur, chef de la division innovation à l’INSEE ;
   • Stéphane Campion, chargé des relations externes sur l’IA et la Data à Pôle Emploi ;
   • Soraya SAA, cheffe de la mission Talents ;
   • Sophie RAVEL, chargée de projet attractivité à la mission Talents de la DINUM.
2. Regards croisés : initiatives issues de l’étranger, du privé et du milieu associatif :
   • Regard de l’étranger : Antoine Augusti, datascientist ayant travaillé au Service numérique canadien
   • Regard du privé : Yann Golhen, datascientist à la MAIF
   • Regard du milieu associatif : Théo Alves Da Costa, Data For Good

16h00: Pot final

Replay

Détails du programme des deux jours

Cher.e.s Funambules,

Vous allez pouvoir vous consacrer cœur et âme pendant deux jours aux joies de la Datascience. Cette expérience sera à la fois longue et courte. Longue car nos calendriers surchargés nous permettent rarement de travailler en collaboration sur un sujet statistique. Mais trop courte, car s’approprier les données, imaginer leurs usages, tester des méthodes de Machine Learning demandent du temps et de la patience. Avant de commencer votre exploration, nous vous recommandons de bien lire les documents et les aides mis à disposition (nous remercions l’équipe du SSPLab pour son coup de main). Nous vous suggérons également de ne pas négliger la partie statistique descriptive, sans quoi vous risquez de mal interpréter les résultats de vos analyses plus complexes.

Les données proviennent du site Inside Airbnb qui est devenu un acteur de premier plan dans la connaissance de Airbnb. Soutenu par les grandes métropoles européennes et mondiales, le site propose des données scrappées du site Airbnb. Ces données sont utilisées par les agences d’urbanismes (Urban planning) et la recherche académique pour documenter les conséquences des locations Airbnb sur les systèmes urbains. Ces données contiennent par construction des informations personnelles éventuellement identifiantes. Il est interdit d’en faire un usage commercial, ce qui va de soi dans le cadre du Funathon qui est une opération de formation et d’appropriation des outils de Machine Learning. En revanche, en tant que données personnelles, elles doivent être traitées par nous les Funambules, acteurs de la connaissance statistique, avec la même exigence de rigueur et d’éthique que toutes autres sources de données statistiques ou administratives.

Pendant ces deux jours, certain.e.s Funambules vont découvrir un nouvel outil de travail, le Datalab. Cet outil que nous offre l’équipe de la DIIT (que nous remercions chaleureusement) est l’Armageddon de la Datascience. Sa puissance est redoutable et grisante. En contrepartie, en tant qu’outil en devenir, son appropriation demande plus de temps. N’hésitez pas à consulter le canal général de slack pour poser des questions et y trouver éventuellement des réponses à vos interrogations.

La Datascience n’est pas seulement l’apanage des plus aguerri.e.s ou des plus virtuoses en informatique. Les esprits curieux ont toute leur place pour penser les données et proposer des approches innovantes. La critique dans les équipes des résultats obtenus nous semble indispensable et ce d’autant plus que les données ne sont pas parfaites. Vos analyses seront forcément biaisées et il est important de connaître et discuter leurs limites.

N’oubliez pas, nous sommes des nains sur des épaules de géants, alors n’hesitez pas à recopier du code.

L’ensemble du materiel des deux jours est disponible ici. Premier élément à ouvrir : 0_Kit_De_Demarrage. Puis, laissez vous guider !