Déploiement logiciel reproductible avec Guix (Programme provisoire)
9h00 - Accueil café
9h30 - Introduction : 15’ : guide articles reproductibles
10h00 - 12h30 : Session 1 : "Retour d'expérience dans différentes communautés"
- 10h00 - 10h30 : "Reproductibilité en gestion de dépendances matérielles pour l’électronique", Cayetano Santos (CIEMAT, Centro de Investigaciones Energéticas, Medioambientales y Tecnológicas)
Résumé : De plus en plus souvent, les projets en électronique numérique pour FPGA s'accompagnent de rapports de dépendances complexes. La gestion des versions au sein de l'arbre de dépendances implique désormais des composantes matérielle significatives, en complément aux dépendances logicielles classiques. Des bibliothèques d’éléments matériels
viendront s’ajoutent ainsi aux briques logicielles, et le graphe résultant sera géré par Guix suivant des règles spécifiques bien définies. Le partage, vérification et simulation des projets se voient alors bénéficier d’une reproductibilité temporelle et spatiale jusqu’ici inexistante.
- 10h30 - 11h00 : Déploiement avec guix de Siconos pour la modélisation et simulation de
systèmes non réguliers : Maurice Brémond (SED INRIA) / Loris Mégy (GRICAD, CNRS)
Résumé : Siconos est un logiciel scientifique open-source de modélisation et
simulation de systèmes dynamiques non lisses. Il est écrit en C, C++ et Python. Il repose sur de nombreuses dépendances qui rendent son installation compliquée. Nous aborderons la construction et l'utilisation d'un paquet guix qui simplifie grandement le déploiement du logiciel sur des systèmes personnels et des clusters de calculs avec des configurations CPU ou GPU.
11h00 - 11h30 : pause café
- 11h30 - 12h00 : "L'impact de la variabilité matérielle (hardware) sur la reproductibilité des résultats obtenus avec des applications packagées avec Docker et Guix : une étude de cas en neuroimagerie", Sorina Pop (Creatis)
Résumé : Dans cette présentation nous reviendrons sur l'étude présentée à ACM REP'24 (https://doi.org/10.1145/3641525.3663626), dans laquelle nous avons étudié l'effet de la variabilité matérielle (hardware) sur les résultats produits avec l'application FSL FLIRT, un logiciel largement utilisé dans l'analyse des données en neuroimagerie.
Alors que des solutions de conteneurisation logicielle telles que Docker et Singularity ont été déployées pour masquer les effets de la variabilité induite par les logiciels, les variations dans les architectures matérielles continuent d'avoir un impact sur les résultats de neuroimagerie en étant souvent ignorées. À l'aide de l'infrastructure Grid'5000, nous avons étudié l'effet de neuf modèles de processeurs différents et nous avons comparé la variabilité matérielle (i) à la variabilité logicielle de la même version de FSL FLIRT packagé en utilisant Docker et Guix et (ii) à la variabilité numérique résultant d'un arrondi aléatoire appliqué à des fonctions mathématiques élémentaires. Les résultats ont montré que les variabilités matérielle, logicielle et numérique entraînent des perturbations d'amplitude similaire. L'effet des perturbations sur le recalage linéaire avec FSL reste modéré, mais pourrait avoir un impact sur les analyses en aval lorsque le recalage est utilisé comme étape d'initialisation pour d'autres opérations.
- 12h00 - 12h30 : "Guix appliqué à la géomatique. Le cas de la reconstruction de bâtiments 3D", Mattia Bunel (Plateforme géomatique et humanités numériques, UMR 8504 Géographie-cités, EHESS)
Résumé : Cette présentation abordera l'utilisation de Guix dans le cadre d'un usage métier en géomatique : la reconstruction de bâtiments 3D (LOD 2.2) à grande échelle, à partir de données LiDAR aéroportées de haute densité.
12h30 - 14h00 : Déjeuner
14h00 - 16h00 : Session 2 : "Tutoriel au choix"
- Publier un résultat reproductible : Marek Felsoci
ou
- Concevoir un paquet Guix : Andreas Enge
16h00 - 16h30 : pause café
16h30 - 17h30 : Session 3 : "Table ronde"
Quels sont les freins à la reproductibilité computationnelle en 2026 ?
- Frédéric Lemoine, Institut Pasteur
- Olivier Richard, LIG
- Sorina Pop, Creatis
- ... tba
