2023 a été une année de taille moyenne, par rapport à 2024. Cela n’a évidemment pas grande pertinence, mais bon il faut bien une introduction à cette dépêche. Quid de l’activité du site LinuxFr.org en 2023 ? Quels changements en termes de trafic Web, de contenus créés, de commentaires déposés, de navigateurs utilisés, d’utilisation des fonctionnalités du site, de contribution au code, etc. Bref, qu’est‐ce qui a changé et de quelle manière durant 2023 ?

Le site rend accessible un grand nombre de statistiques (faites‑vous plaisir si vous souhaitez vous plonger dedans, c’est fait pour) ; cette dépêche résume les variations constatées en 2023.

Depuis juin dernier, les changements sont majeurs autour d'e-venement… Nouvelles méthodes de travail et de gestion de projet, refonte des outils de communication, ouverture d'un site web communautaire, arrivée de fonctionnalités révolutionnaires (données accessibles depuis n'importe quel terminal dont les téléphones, gestion de réservation de ressources, …) mais en douceur…

Pour rappel, e-venement est un logiciel libre (GNU/GPL) de billetterie informatique, de gestion des relations aux publics (CRM), de gestion événementiel et de réservation de ressources, d'aide à la comptabilité, et de statistiques orienté vers les structures organisatrices d'événement (spectacle vivant en particulier), vers les musées, les cinémas, les équipements sportifs, les équipements de loisirs. C'est une application web développée en PHP sur Symfony et Doctrine, s'appuyant sur Apache, PostgreSQL et beaucoup d'autres outils et bibliothèques sous licences libres. E-venement est développé par Libre Informatique.

Plus de détails sur les nouveautés en seconde partie de dépêche.

OpenTURNS est une bibliothèque libre dédiée aux statistiques et à la fiabilité, utilisable en langage Python et distribuée dans Debian.

Elle peut être considérée comme une alternative plus moderne au language R (des algorithmes très récents sont mis en œuvre pour le calcul de certains quantiles, par exemple), même si la partie « statistiques » n’est limitée qu’à une gestion de la partie « fiabilité », et orientée objet. Sur la partie purement statistique, on retrouve donc les outils classiques : estimation de distribution, corrélations, analyse de sensibilité, tests statistiques, estimation par noyau, … Mais en introduisant la notion originale de copules qui permettent de modéliser la dépendance.

Pour la partie fiabilité, là aussi, on retrouve des algorithmes classiques, propagation par carré latin, séquences quasi‐aléatoires, simulations directionnelles, FORM / SORM (First / Second Order Reliability Method), calcul de facteurs d’importance, des surfaces de réponses par chaos polynomial, … Cette fois‐ci, l’aspect novateur réside dans le fait que la bibliothèque fait le plus possible de calculs analytiques en imposant un modèle de données basé sur les distributions et non les échantillons, comme le font certains autres outils (NumPy, R).

Dans sa version 0.14.0, elle propose de nouvelles lois de distribution, une interface Python plus souple, une simplification du mécanisme de couplage à des codes externes, la différentiation automatique des formules analytiques, du multithreading et une infrastructure [[CMake]].

OpenTURNS est une bibliothèque C++ libre dédiée aux statistiques et à la fiabilité, utilisable en langage Python et distribuée dans Debian.

Avec la version 1.0, elle propose la modélisation des processus stochastiques, et une meilleure compatibilité avec Python et le module Numpy.

Une petite démo en python pour voir ?

Avec ces quelques lignes je peux réaliser un lissage à noyaux sur un échantillon, réutiliser la distribution obtenue pour simuler une variable aléatoire X, que je donne à manger à une fonction réalisant un couplage pour obtenir une autre variable aléatoire Y, pour enfin évaluer la probabilité de défaillance P(Y>0.1) par un simple MonteCarlo.

from openturns import *
data = NumericalSample.ImportFromCSVFile("meteo.csv")
distribution = KernelSmoothing(Epanechnikov()).build(data)
X = RandomVector(distribution)
model = NumericalMathFunction("ageing")
Y = RandomVector(model, X)
algorithm = MonteCarlo(Event(Y, Greater(), 0.1))
algorithm.setMaximumOuterSampling(int(1e6))
algorithm.run()
print "P(Y>0.1)=", algorithm.getResult().getEventProbability()

Le moteur de recherche de Google dédié au code Open Source, Code Search, a été arrêté le 12 janvier dernier. Il existe un certain nombre d'alternatives, comme Koders, krugle ou encore Search[code], mais une nouvelle base de données commence à se faire connaître et n'a pas encore été abordée dans les colonnes de LinuxFr.org : Antepedia.

Antepedia se revendique comme la plus grande base de données de composants Open Source. Elle annonce actuellement plus de 221 millions de fichiers référencés provenant de 940 000 projets et être en constante augmentation. En comparaison, Ohloh, une autre base de projets (dont la finalité n'est pas similaire) rachetée récemment par Black Duck Software, un compétiteur, revendique plus de 500 000 projets « seulement ».

NdM : Un grand merci à olivierweb, Lebas Sébastien, Nÿco et Yves Bourguignon pour leur participation à la rédaction de cette dépêche.