L’extraction repère des informations dans un document et les place dans des champs, comme une date ou un montant. Retrouver le passage d’origine aide à contrôler le résultat. Une information peut être oubliée ou mal interprétée.
Comprendre le mécanisme
Transformer un document en champs à vérifier
L’extraction repère des informations et les range dans des champs, comme dates et montants. Certains outils associent un libellé à une valeur et retrouvent des tableaux. Une image peut d’abord nécessiter une reconnaissance de caractères.
Une équipe pourrait créer trois factures fictives avec des présentations différentes. Elle préparerait les valeurs attendues et comparerait les champs extraits aux passages originaux. Un montant absent serait laissé comme manquant, au lieu d’être remplacé par une estimation silencieuse.
Lire les caractères et identifier un champ
La reconnaissance de caractères récupère du texte. L’extraction cherche quelle information remplir dans chaque champ. Ces deux opérations peuvent produire des erreurs différentes.
Dans un projet
Relire les dates et montants d’un contrat
Un outil peut repérer les dates et montants d’un contrat et les ranger dans un tableau. La personne qui relit le résultat doit pouvoir retrouver chaque passage d’origine. Un document incomplet ou ambigu peut entraîner une erreur.
Vous fournissez
Factures fictives et liste des champs attendus.
Vous contrôlez le résultat
Tableau de valeurs, avec informations manquantes à examiner.
Exemple fictif. Il illustre un usage, sans résultat mesuré.
Les points à vérifier
Contrôlez les champs manquants et comparez les valeurs extraites aux passages du document.
Valeurs exactesCompter les champs égaux aux valeurs préparées pour le test.
Champs manquantsCompter les informations présentes dans le document mais non extraites.
Passages retrouvablesVérifier combien de valeurs peuvent être reliées à leur passage original.
L’équipe WeChat Vision de Tencent présente un modèle qui relie une consigne aux objets et à leurs pixels. Il rassemble localisation, comptage, lecture de texte et détourage.
Recherche publiéeTarif à vérifier
Accès
Rapport de recherche et code publics
À prévoir
Code Tencent sous Apache 2.0, composants tiers sous leurs licences. Poids annoncés, hébergement non vérifié ici.
NTT structure les relations entre documents, code et tests afin de détecter leurs incohérences. Une seconde méthode cartographie les angles de test manquants puis génère des cas complémentaires.
Recherche publiéeTarif à vérifier
Accès
Recherche annoncée
À prévoir
Technologie de recherche en cours d’évaluation. Démonstration annoncée pour novembre. Aucun accès général ni tarif.
Nuix, éditeur australien de logiciels d’investigation documentaire, lance Neo AI Agent. Dans la plateforme Nuix Neo, une question peut déclencher plusieurs recherches parmi les documents et les relations du dossier. Les réponses renvoient aux pièces sources et les opérations peuvent être exportées pour examen.
DisponibleTarif à vérifier
Accès
Lancement annoncé dans Nuix Neo
À prévoir
Fonction intégrée à Nuix Neo, avec modèle pris en charge et droits du dossier. Conditions commerciales à vérifier.
Cohere met à jour son outil de reclassement des résultats de recherche. Rerank 5 peut repérer les passages les plus pertinents dans chaque document avant leur transmission à un modèle de langage. Cette étape vise à réduire le texte inutile et à mieux montrer les éléments qui justifient une réponse.
DisponibleTarif à vérifier
Accès
Disponible via plusieurs environnements
À prévoir
Disponible via l’API (interface de communication entre logiciels) Cohere, Model Vault, Microsoft Foundry, Amazon SageMaker et des déploiements privés sur demande. Tarifs variables selon le canal.
AT&T et OpenAI décrivent la prochaine étape de LegalEdge, le programme interne du département juridique. Un point d’entrée en langage naturel doit classer les demandes, retrouver les précédents et préparer le contexte avant la décision du juriste.
Annonce / accès prévuTarif à vérifier
Accès
Initiative annoncée en cours de construction
À prévoir
Projet interne d’AT&T développé avec OpenAI. Aucun accès public, tarif ou calendrier général annoncé.
Kakao publie deux composants de vision pour les assistants multimodaux. Le modèle medium compte 426 millions de paramètres et la version tiny environ 98 millions. Ils transforment les éléments visuels d’une image en représentations que le modèle de langage peut utiliser pour lire un document, repérer un objet ou répondre à une question.
DisponibleTarif à vérifier
Accès
Poids publiés
À prévoir
Poids annoncés disponibles sur Hugging Face sous Kanana Open License. L’intégration et l’infrastructure restent à la charge de l’utilisateur.
Exa fournit un moteur de recherche aux applications et assistants IA. La version 3.0 élargit son index et généralise Dynamic Highlights, qui sélectionne les passages utiles parmi plusieurs résultats. Une nouvelle offre Lite vise les applications sensibles au coût.
DisponibleOffre payante
Accès
Disponible
À prévoir
Accès par API (interface de communication entre logiciels). Lite : 4 dollars pour 1 000 requêtes, Auto : 7 dollars. Options et résultats supplémentaires à vérifier.