Résumé

  • Nutrient a annoncé le 10 septembre la disponibilité générale de son API d'extraction, avec des champs définis par schéma et des références à leur source.
  • La confiance est un signal relatif, non une probabilité. L'absence de score ne signifie pas une confiance faible, et retrouver une valeur ne suffit pas à l'approuver.

Une file de contrôle peut grossir pour deux raisons très différentes : des valeurs n'ont pas été retrouvées dans le document, ou le moteur n'a simplement pas fourni de score. Les traiter de la même manière fausse déjà le calcul des économies promises par l'automatisation.

L'annonce de Nutrient du 10 septembre porte sur une API de lecture et d'extraction structurée de documents. Son intérêt pratique tient notamment au retour vers la pièce d'origine : une valeur peut être accompagnée de sa page, de sa position et d'éléments permettant d'examiner comment elle a été retrouvée.

Le guide du point d'accès extract précise la séparation avec le parsing du document entier. L'extraction exige un JSON Schema, effectue une étape de parsing interne et renvoie les propriétés déclarées. Les références par champ se trouvent dans les métadonnées. Selon la documentation des citations, elles sont activées par défaut, mais peuvent être désactivées ; leur calcul est alors omis et les métadonnées restent vides. Ce vide n'est donc pas nécessairement l'échec d'une recherche de source.

Les libellés de correspondance distinguent un bloc retrouvé exactement, plusieurs blocs, une résolution partielle, une correspondance approximative et l'impossibilité de rattacher une valeur à un emplacement. Le guide propose d'envoyer fuzzy_match et not_found en contrôle humain. Il décrit une logique à mettre en œuvre, pas une approbation automatique déjà fournie à chaque client.

Le score de confiance est, lui, relatif : il ne représente ni une probabilité calibrée ni un pourcentage. Un score absent est indisponible, pas faible. Pour les champs à fort enjeu, la documentation recommande un contrôle humain quel que soit le score. Un montant parfaitement retrouvé peut, par exemple, appartenir à une ligne de facture plutôt qu'au total recherché. C'est une illustration, non un défaut observé chez Nutrient.

Le benchmark publié ne tranche pas cette question métier. Le score global de 0,932 du mode understand porte sur 200 PDF et mesure l'ordre de lecture, la structure des tableaux et la hiérarchie des titres. Les essais understand et agentic sont internes, sur corpus public ; l'inscription publique concerne l'outil open source text/structure. Il ne s'agit pas d'une garantie de 93,2 % de champs corrects. Les temps de traitement locaux ne sont pas non plus les délais aller-retour de l'API, et l'on ne peut associer sans précaution vitesse d'un mode et précision d'un autre.

La page de présentation distingue d'ailleurs l'enregistrement d'un examen des preuves de l'approbation du résultat. Ses vidéos de décision illustrent un concept de processus, non une interface livrée. Rendre l'erreur examinable a une valeur ; cette valeur dépend ensuite de sa résolution.