Service d'OCR et de parsing de documents avec des scores de confiance et une API

Chaque jour, nous traitons un flux de documents scannés et nous sommes fatigués de les retaper à la main. Nous avons besoin d'un service qui prend une image téléchargée ou un scan multipage et renvoie des données structurées propres : pas seulement un mur de texte reconnu, mais exactement les champs qui nous importent. Pour une facture, il s'agit du fournisseur, du numéro de facture, de la date, des articles, de la taxe et du total. Pour un reçu, il s'agit du commerçant, de la date, du montant et de la devise. Pour une pièce d'identité, il s'agit du nom, du numéro de document et de la date d'expiration. Chaque valeur extraite doit avoir un score de confiance afin que l'opérateur voie immédiatement quels champs lui faire confiance et lesquels vérifier. La tâche concerne spécifiquement la lecture et l'extraction de données à partir de documents, donc ne nous proposez pas de génération de PDF ou de bibliothèques multimédias - c'est un projet différent.

Le résultat a deux parties qui doivent fonctionner ensemble. Premièrement, un pipeline d'extraction fiable : nettoyage et alignement d'image, OCR à travers différentes qualités d'impression et plusieurs langues, puis une couche de parsing qui mappe le texte brut aux champs nommés ci-dessus. Deuxièmement, une interface de vérification simple où un humain ouvre un document, voit les champs reconnus superposés sur le scan original, et corrige tout ce que le modèle a mal fait avant approbation. Les champs à faible confiance doivent être mis en évidence pour que la vérification soit rapide. Tout cela doit également être disponible de manière programmatique : un point de terminaison REST qui prend un fichier et renvoie du JSON avec des champs, des valeurs, des coordonnées de boîte englobante et des scores de confiance, plus des webhooks ou des points de terminaison de statut pour des lots asynchrones.

Nous sommes flexibles sur la technologie : des modèles de vision cloud, des piles OCR open source, ou un hybride fonctionneront tant que la précision est élevée et que le coût par page est prévisible. Partagez des exemples de tâches d'extraction similaires et évaluez honnêtement la précision sur des scans réels et imparfaits.

— Extraire des champs structurés des factures, des reçus et des pièces d'identité
— Score de confiance pour chaque champ avec mise en évidence des champs peu fiables
— Interface de vérification avec superposition de champs sur le scan original
— API REST renvoyant du JSON : champs, valeurs, coordonnées, confiance
— Traitement par lots avec statut asynchrone ou webhooks
— Prix prévisible par page et précision documentée sur les scans