Document Understanding

Définition

Le Document Understanding (comprehension de documents) est un domaine de l'IA qui combine la vision par ordinateur, l'OCR et les LLMs pour extraire et raisonner sur les informations contenues dans des documents structures ou semi-structures : factures, contrats, formulaires, rapports PDF, emails avec pieces jointes, tableaux. C'est une priorite de la transformation digitale enterprise car 80% des donnees d'entreprise seraient non-structurees. Les challenges du Document Understanding vont au-dela de l'OCR simple : (1) comprehension du layout — comprendre que deux colonnes sont des entites separees, (2) comprehension des tableaux — relier les en-tetes aux valeurs correspondantes, (3) extraction d'entites structurees — identifier 'montant facture', 'date echeance', 'numero TVA', (4) comprehension du langage specialise — termes juridiques, comptables, techniques. Les architectures modernes utilisent des VLMs (Vision-Language Models) qui voient le document comme une image et peuvent repondre a des questions dessus sans passer par un OCR intermediaire : GPT-4o, Gemini 1.5 Pro, Claude 3 Opus, Mistral Pixtral. Ces modeles ont revolutionne le document understanding car ils gerent nativement les layouts complexes que l'OCR traditionnel peinait a interpreter. Des outils specialises existent : LayoutLMv3 (Microsoft) est un transformeur pre-entraine sur des donnees documentaires multimodales (texte+layout+image). DocTR, PaddleOCR, Tesseract 5 pour l'OCR haute performance. LangChain et LlamaIndex proposent des loaders de documents PDF avec extraction de tableaux et images. Les applications enterprise sont massives : automatisation de la comptabilite (extraction de factures), compliance (analyse automatique de contrats, detection de clauses), onboarding client (verification de pieces d'identite), recherche juridique, et gestion des sinistres assurance. Les gains en productivite sont souvent de 60-80% par rapport aux traitements manuels.