Extracteur de documents

Le problème

Je voulais interroger mes propres documents avec une IA : mes factures, mes notes, mes tableurs. Problème : une IA ne lit pas correctement un PDF, un Word ou un Excel bruts. La mise en page, les colonnes d'un tableau, l'ordre de lecture se perdent, et l'IA récupère un contenu incomplet ou en désordre. Avant de brancher quoi que ce soit, il faut remettre chaque document au propre dans un format texte que l'IA exploite. À la main, fichier par fichier, c'est long.

Le système

J'en ai fait un outil : on dépose un fichier, il le lit et le ressort dans un format propre. Le point clé, c'est qu'il choisit ce format pour nous, selon ce que contient le document : du Markdown pour un texte comme un rapport, du CSV pour un tableau, du JSON pour une facture ou un formulaire à champs. Il explique son choix en clair, en une ou deux phrases. Et une règle prime sur tout : il reproduit le document à l'identique, sans le résumer ni rien inventer. Sur une base documentaire, la moindre approximation fausserait les réponses de l'assistant qu'on branche dessus.

Le résultat

La démo est en ligne, on peut la tester tout de suite avec ses propres fichiers. Je l'ai calée sur mes vrais documents : factures, notes, exports de tableurs. Ce qui m'imposait une remise en forme manuelle, fichier par fichier, tient maintenant en un dépôt. Une limite que j'assume : l'outil vise les documents générés par ordinateur, pas les scans dégradés, qui demanderaient une reconnaissance de texte en plus. Dans ce cadre, la conversion reste fidèle.

En entreprise

En entreprise, c'est le point de départ de tout projet d'assistant IA sur des documents internes : contrats, factures, comptes rendus. Avant que l'IA puisse répondre à partir de ces fichiers, il faut les convertir dans un format qu'elle exploite, et c'est précisément cette étape que l'outil automatise.