DeepTagger

DeepTagger se situe dans la catégorie des outils de traitement de documents par IA qui promettent de lire les documents comme le ferait une personne. La différence tient à la méthode d'entraînement. La plupart des plateformes d'extraction vous demandent de configurer des règles, des expressions régulières ou des modèles de mise en page avant de pouvoir extraire un seul champ. Celle-ci apprend en observant l'endroit que vous pointez.

Vous ouvrez un document, vous sélectionnez le passage qui contient une valeur voulue et vous lui attribuez une étiquette comme « total de la facture » ou « date d'échéance ». Après quelques exemples, sa pile de deep learning et de LLM généralise le schéma et l'applique au reste de vos fichiers. La plateforme ne se contente donc pas de correspondre à une position fixe sur une page. Elle lit le contexte pour décider ce que signifie un passage de texte. C'est ainsi qu'elle gère les documents désordonnés et irréguliers qui bloquent les outils fondés sur des règles.

Le bémol mérite d'être dit d'emblée. DeepTagger est en pleine transition et son site internet est une page provisoire, pas une page produit active. Les détails sur les tarifs, les niveaux d'abonnement et l'ensemble actuel des fonctionnalités sont donc limités. Considérez cette page comme un aperçu de ce que la plateforme est conçue pour faire, et non comme une fiche technique confirmée.

Pour commencer

1. Créez un compte pour disposer d'un espace où conserver vos documents et vos modèles entraînés.
2. Téléversez un lot de documents d'exemple qui représentent les fichiers que vous voulez traiter, idéalement 10 à 30 exemples.
3. Surlignez les valeurs qui vous intéressent dans chaque exemple et attribuez une étiquette à chaque surlignage.
4. Passez en revue les prédictions du modèle sur un nouveau fichier et corrigez ce qu'il se trompe pour affiner les résultats.
5. Connectez le modèle entraîné à votre flux de travail et exportez les champs extraits sous forme de données structurées.