Service infonuagique d’IA
Pour les équipes qui veulent exploiter les données présentes dans des formulaires et des documents, Azure AI Document Intelligence offre des modèles d’analyse préconstruits et personnalisés. Simergic aide à déterminer comment les résultats peuvent s’inscrire dans vos processus et vos systèmes.
Discuter de votre projetÀ qui s’adresse cette solution?
Le service peut être évalué lorsque des formulaires ou des documents contiennent du texte, des tableaux ou des champs que les applications et les équipes doivent exploiter. Le modèle approprié dépend du type de document, des données attendues, de la version de l’API et de l’architecture retenue.
Le besoin
Une réponse possible
Azure AI Document Intelligence, dans Foundry Tools, est un service infonuagique qui utilise la reconnaissance optique de caractères (OCR) et l’apprentissage automatique pour analyser des documents et en extraire de l’information. Les modèles Read et Layout extraient respectivement du texte, ou du texte avec des tableaux et la structure du document. Des modèles prédéfinis couvrent certains types de documents, dont les factures, reçus et contrats. Des modèles personnalisés peuvent être entraînés avec des jeux de documents étiquetés pour extraire des champs ou classer des documents propres à un processus. Le choix du modèle, la qualité des données et la validation des résultats sont à établir selon le cas d’usage.
Identifier les types de fichiers à analyser, les formats et les renseignements nécessaires au processus.
Évaluer Read ou Layout pour l’extraction générale, un modèle prédéfini pour certains documents ou un modèle personnalisé pour des besoins spécifiques.
Envoyer des documents au service, examiner les données structurées retournées et prévoir une validation humaine lorsque le processus l’exige.
Intégrer les données extraites à l’application, au dépôt ou à l’étape de travail définie pour le projet.
Le modèle Read extrait le texte imprimé et manuscrit d’un document.
Usage Pour rechercher ou traiter du texte provenant de documents numérisés ou numériques.
Apport Le texte extrait peut alimenter une étape de recherche ou de traitement automatisé, selon la solution intégrée.
Le modèle Layout extrait le texte, les tableaux et la structure du document.
Usage Pour des documents où l’organisation en tableaux ou en sections contribue à l’interprétation des données.
Apport Les informations retournées conservent une structure exploitable par la suite du processus.
Des modèles prêts à l’emploi extraient des renseignements associés à des catégories de documents prises en charge, comme les factures, les reçus et les contrats.
Usage Pour commencer l’évaluation avec des documents correspondant à un type couvert par un modèle.
Apport Il n’est pas nécessaire de créer un modèle personnalisé pour chaque catégorie déjà prise en charge; le résultat doit néanmoins être validé sur des documents représentatifs.
Des modèles personnalisés peuvent extraire des champs définis à partir de documents étiquetés. Un classifieur personnalisé peut identifier le type de document avant l’extraction.
Usage Pour traiter des formulaires propres à l’organisation ou des documents de formats variés.
Apport Les champs et catégories peuvent être adaptés au processus, sous réserve de données d’entraînement suffisantes et d’une évaluation des résultats.
Évaluer l’extraction de données de factures fournisseurs avant une étape de vérification ou de traitement comptable.
Extraire le texte et les tableaux d’un formulaire afin de préparer leur classement ou leur recherche.
Classer différents types de formulaires entrants avant de diriger les données vers le bon processus.
Écosystème
Document Intelligence expose des capacités par API REST et outils de développement. Une application peut transmettre un document et exploiter la réponse structurée; le connecteur avec vos systèmes et le traitement des exceptions doivent être conçus et validés pour le projet.
La documentation fournie concerne l’API v4.0, indiquée comme généralement disponible, et signale aussi des versions antérieures dont certaines sont retirées. Les modèles pris en charge, les régions et les limites varient selon la version et la configuration Azure.
Les résultats peuvent alimenter une étape de validation ou une application d’affaires. Les seuils de contrôle, règles de correction et destinations sont définis selon les exigences du processus; le service seul ne réalise pas l’intégration métier.
Préparer le projet
Le rôle de Simergic
Simergic aide à préciser les documents, les champs attendus, les règles de validation et les applications concernées. Selon le mandat, nous pouvons concevoir et configurer le parcours d’extraction, puis intégrer les résultats aux systèmes convenus. La faisabilité, les versions, les régions, les accès et les coûts doivent être évalués avec l’architecture du projet.
Questions fréquentes
Le service analyse des formulaires et des documents pour en extraire du texte, une structure ou des champs. Les résultats peuvent ensuite être utilisés par une application ou un processus intégré.
Read extrait le texte imprimé et manuscrit. Layout extrait le texte, les tableaux et la structure du document.
Pas nécessairement. Des modèles prédéfinis couvrent plusieurs catégories de documents. Un modèle personnalisé peut être envisagé lorsque les champs ou les documents sont propres au processus; il nécessite des données d’entraînement étiquetées.
Les modèles et fonctions prennent en charge des cas et des formats définis. Il faut vérifier leur adéquation avec les documents réels et évaluer les résultats avant de les intégrer à un processus.
Non, pas sans intégration. L’application qui transmet le document doit exploiter la réponse du service et envoyer les données vers la destination convenue.
Le coût dépend de la configuration Azure et de l’utilisation des modèles. Les besoins, le volume, les régions et les tarifs applicables doivent être évalués avant le déploiement; aucun prix n’est présumé ici.
Selon le mandat, Simergic peut analyser le processus, définir les données à extraire, concevoir la configuration et intégrer les résultats aux systèmes concernés.
La prochaine étape
