Qu'est-ce que l'extractionpilotée par schéma ?
L'extraction pilotée par schéma consiste à définir une fois les données dont vous avez besoin, sous forme de schéma, puis à les extraire de n'importe quelle mise en page par le sens : pas de templates, pas de préentraînement par type.
Décrivez les données, pas le document.
Dans l'extraction pilotée par schéma, vous décrivez la sortie : quels champs, quels types, quelle structure. L'extraction retrouve ces champs dans le document par le sens, où que la mise en page les place. Les approches alternatives décrivent l'entrée : les templates cartographient des positions de pixels par mise en page, et les modèles préentraînés figent un catalogue de types de documents pris en charge.
La différence se voit aux marges. Un nouveau fournisseur, une fiche de salaire refondue ou un type de document inventé par votre propre secteur n'exige aucune nouvelle configuration : si le schéma le décrit, il s'extrait. La maintenance passe de l'entretien de templates au raffinement occasionnel d'un schéma.
Une seule définition
Un schéma décrit une fois les champs, les types et la structure, pour toutes les mises en page de cette classe de documents.
L'extraction par le sens
Les valeurs sont trouvées sémantiquement : le salaire brut (gross pay) est repéré comme un concept, pas à une coordonnée.
Aucun catalogue limitant
Pas de liste de types préentraînés : tout document que vous pouvez décrire devient extractible.
Le cœur de MiruIQ.
L'extraction pilotée par schéma est le choix de conception fondateur de MiruIQ : les schémas se créent dans le Studio ou se génèrent avec l'assistant, sont versionnés et réutilisés d'un pipeline à l'autre, avec la validation et la revue humaine construites autour d'eux.
Questions sur l'approche par schéma
Ce que les évaluateurs demandent sur l'approche par schéma.
Un template dit où se trouvent les valeurs sur une mise en page précise : chaque nouvelle mise en page exige un nouveau template et chaque changement de mise en page en casse un. Un schéma dit ce que les valeurs signifient : la variance de mise en page est absorbée par l'extraction elle-même. Dans les systèmes à templates, la maintenance croît avec le nombre de vos fournisseurs ; dans les systèmes à schémas, non.
Dans MiruIQ, visuellement dans le Studio, avec l'aide d'un assistant, ou en JSON Schema via l'API. Un schéma liste des champs avec noms, types et descriptions, y compris des structures imbriquées pour les lignes de détail et les tableaux. La plupart des équipes partent d'un document d'exemple et affinent après les premiers essais.
Voyez le résultat sur vos propres documents.
L'essai gratuit de 14 jours couvre 200 documents : de quoi définir vos schémas, traiter de vrais fichiers et mesurer les résultats avant le moindre appel commercial.