Aujourd’hui, les grandes entreprises et administrations publiques hésitent entre continuer à utiliser des logiciels propriétaires ou basculer vers les Logiciels Libres. Pourtant, la plupart des logiciels libres sont capables de bien traiter les données issues des logiciels propriétaire, et parfois avec une meilleur compatibilité.
C’est alors la barrière de la prise en main qui fait peur, et pourtant...
Les logiciels libres
L’aspect « Logiciel Libre » permet une évolution rapide et une plus grande participation des utilisateurs. Les aides et tutoriels foisonnent sur Internet ou sont directement inclus dans le logiciel lui-même.
Enfin, les concepteurs sont plus proches des utilisateurs, ce qui rend les logiciels libres plus agréable à utiliser et conviviaux.
Grâce à la disponibilité des logiciels libres, vous trouverez facilement des services de support techniques et la licence n’est plus un frein à l’utilisation de ces logiciels par votre personnel.
Notre support technique concerne essentiellement les logiciels libres, que ce soit sous forme de services ponctuels ou de tutoriels.
- Juin 2011 -
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.
