Extraction Structurée : Tableaux, En-têtes et Données Chiffrées

Passer du document brut aux données organisées

Extraire du texte d’un document, c’est bien. Mais la vraie valeur apparaît quand vous pouvez obtenir des données structurées — des tableaux propres, des chiffres identifiés, des en-têtes classifiés. Document AI de Mistral excelle dans cette tâche : il ne se contente pas de lire le texte, il comprend la structure du document et peut restituer les informations dans un format directement exploitable.

Extraction de tableaux

Les tableaux sont omniprésents dans les documents professionnels : bilans financiers, grilles tarifaires, planning, résultats d’études. Le moteur OCR 3 les traite avec une précision remarquable.

Comment ça fonctionne

Quand vous chargez un document contenant un tableau dans Le Chat, le modèle :

1. Identifie les bordures du tableau (même si elles sont subtiles ou en couleur)
2. Reconnaît les en-têtes et les distingue des données
3. Associe chaque cellule à sa colonne et sa ligne
4. Gère les cellules fusionnées, les sous-totaux et les notes de bas de tableau

Demander un format de sortie

Pour obtenir un tableau exploitable, précisez le format souhaité dans votre demande :

• « Extrais le tableau de la page 3 au format Markdown »
• « Convertis ce tableau en CSV que je puisse coller dans Excel »
• « Donne-moi les données du tableau sous forme de liste structurée »
• « Extrais uniquement la colonne “Montant” et la colonne “Date” »

Le format Markdown est particulièrement pratique car il est lisible directement dans Le Chat et facile à copier-coller dans d’autres outils.

Extraction d’en-têtes et de structure

Au-delà des tableaux, Document AI sait reconstituer la hiérarchie du document :

• Titres et sous-titres : identifiés et classés par niveau (h1, h2, h3)
• Paragraphes : distingués les uns des autres, même sans saut de ligne visible
• Listes : à puces ou numérotées, correctement reconstituées
• Notes de bas de page : identifiées et associées à leur référence

Cette capacité est précieuse quand vous travaillez avec des rapports longs ou des documents juridiques dont la structure est essentielle à la compréhension.

Exemple de demande

• « Donne-moi la table des matières de ce document »
• « Liste tous les titres de section avec leur numéro de page »
• « Extrais uniquement les paragraphes qui parlent de garantie »

Extraction de données chiffrées

Les documents financiers, les devis, les factures et les rapports d’activité regorgent de chiffres. Document AI peut les identifier et les extraire de manière ciblée :

• Montants financiers : chiffre d’affaires, totaux, TVA, remises
• Dates : dates de signature, d’échéance, de création
• Pourcentages : parts de marché, taux de croissance, marges
• Identifiants : numéros de facture, références client, SIRET

Extraction intelligente avec contexte

Le modèle ne se contente pas d’extraire des nombres — il comprend leur contexte. Si vous demandez « Quel est le chiffre d’affaires annuel ? », il cherchera spécifiquement le nombre associé à cette notion dans le document, même s’il est noyé dans un tableau de 50 lignes.

Vous pouvez aussi demander des calculs ou des vérifications :

• « Le total de la colonne “Montant HT” est-il correct ? »
• « Quelle est la différence entre le budget prévisionnel et le réalisé ? »
• « Quel poste de dépense représente la plus grande part ? »

Export JSON

Pour les utilisateurs avancés, vous pouvez demander à Le Chat d’extraire les données dans un format JSON structuré :

• « Extrais les informations de cette facture au format JSON : numéro, date, montant HT, TVA, montant TTC, fournisseur »
• « Crée un objet JSON avec les données de chaque ligne du tableau »

Ce format est idéal si vous souhaitez ensuite intégrer les données dans un tableur, une base de données ou un autre outil.

Cas d’usage concrets

Traitement de factures

Vous recevez une pile de factures en PDF. Pour chacune, demandez à Le Chat :

« Extrais de cette facture : le nom du fournisseur, la date, le numéro de facture, le montant HT, la TVA et le montant TTC. Présente sous forme de tableau. »

Analyse de rapports financiers

Pour un rapport annuel de 50 pages :

« Extrais tous les tableaux financiers de ce rapport et présente-les en Markdown. Identifie le chiffre d’affaires, le résultat net et la marge opérationnelle. »

Comparaison de devis

Chargez deux devis et demandez :

« Compare les prix de ces deux devis pour les mêmes prestations. Identifie les différences de tarif. »

Bonnes pratiques

• Soyez spécifique sur ce que vous cherchez : un tableau en particulier, une colonne, un type de donnée
• Indiquez le format de sortie : Markdown, CSV, JSON, liste à puces
• Pour les documents scannés : une résolution de 150 DPI minimum est recommandée pour une extraction fiable
• Vérifiez les chiffres : pour tout usage critique, croisez les données extraites avec le document original
• Traitez page par page si le document est très dense : « Extrais le tableau de la page 7 » plutôt qu’un « Extrais tous les tableaux »

Points clés à retenir

• Document AI reconstitue fidèlement les tableaux avec en-têtes, colonnes et cellules fusionnées
• Vous pouvez demander une extraction en Markdown, CSV ou JSON selon vos besoins
• Le modèle comprend le contexte des données chiffrées et peut répondre à des questions précises
• La structure hiérarchique du document (titres, sous-titres, listes) est préservée
• Vérifiez toujours les extractions pour les usages critiques