Extend

Qu’est-ce qu’Extend ?

Extend est une plateforme de traitement de documents conçue pour transformer des PDF et autres documents complexes en données structurées. Elle est pensée pour analyser, extraire, découper, valider et acheminer le contenu des documents à l’aide d’outils spécialisés de parsing et de workflow, conçus pour des pipelines de production.

Le produit se concentre sur les documents où la mise en page, l’ordre de lecture, les relations entre champs et la qualité des réponses en aval sont importants. D’après le site, il inclut une API de parsing, une orchestration de workflows, des outils de revue et de confiance, ainsi qu’un studio pour créer et évaluer des schémas sans dépendre uniquement de scripts manuels.

Fonctionnalités clés

• API de parsing axée sur la mise en page : analyse les documents difficiles en mettant l’accent sur la mise en page et l’ordre de lecture, ce qui est important lorsque la structure de la page influence les données extraites.
• Workflows d’extraction et de découpage : prend en charge l’analyse, l’extraction et le découpage des documents dans le cadre d’un pipeline plus large, et pas seulement le parsing d’un document isolé.
• Score de confiance et revue en plusieurs passes : signale les incertitudes avant la production en vérifiant les résultats et en mettant en évidence les erreurs potentielles à examiner.
• Modes de traitement : propose des modes à faible latence, optimisés en coût et à précision maximale afin que les équipes puissent choisir le compromis adapté à la charge de travail.
• Composer Agent : utilise des exemples de documents pour identifier les problèmes, affiner les schémas et améliorer la qualité d’extraction avec moins d’itérations manuelles sur les prompts.
• Orchestration de bout en bout : prend en charge des workflows documentaires en plusieurs étapes avec validation, routage, versioning et durabilité.
• Studio et evals : fournit une interface pour itérer sur les schémas, lancer des évaluations et détecter les régressions sans dépendre uniquement de scripts CLI.
• Option de déploiement self-hosted : peut s’exécuter sur l’infrastructure propre d’une équipe pour les documents sensibles.

Comment utiliser Extend

Un workflow typique commence par le téléversement de documents exemples et la définition des champs ou du schéma à extraire. Les équipes peuvent ensuite utiliser l’API de parsing ou l’interface Studio pour tester les résultats, lancer des évaluations et affiner le schéma avec Composer si nécessaire.

Ensuite, les utilisateurs peuvent choisir un mode de traitement, ajouter des contrôles de confiance ou des étapes de revue, et connecter le parseur à un workflow plus large qui valide et achemine les données documentaires. Pour le déploiement, les équipes peuvent utiliser le produit cloud ou l’héberger elles-mêmes si les documents doivent rester en interne.

Cas d’usage

• Pipelines de documents financiers : extraire des champs structurés depuis des factures, relevés ou autres documents financiers lorsque la mise en page et les relations entre champs influencent le traitement en aval.
• Traitement de documents de santé : gérer des documents réglementés ou à fort enjeu qui nécessitent validation et examen attentif avant utilisation dans des workflows.
• Extraction massive à grande échelle : traiter de gros volumes de pages avec un mode optimisé en coût et une orchestration de workflows pour des tâches répétables.
• Ingestion de documents en temps réel : utiliser le mode de traitement à faible latence pour les applications qui nécessitent un retour rapide sur les documents entrants.
• Développement et évaluation de schémas : permettre aux experts métier d’itérer sur des schémas d’extraction, de lancer des evals et de vérifier les régressions avant la mise en production des changements.

FAQ

Extend ne parse-t-il que les PDF ?
La source le décrit comme une plateforme de traitement de documents pour les PDF et autres documents difficiles, mais ne liste pas un ensemble complet de types de fichiers pris en charge.

Peut-il être utilisé dans des workflows de production ?
Oui. Le site met l’accent sur le traitement documentaire prêt pour la production, l’orchestration, le versioning, la durabilité et le score de confiance pour la revue.

Existe-t-il un moyen de revoir les résultats incertains ?
Oui. Extend inclut un score de confiance et un agent de revue en plusieurs passes qui peut signaler les erreurs potentielles avant l’utilisation en production.

Les équipes peuvent-elles l’exécuter sur leur propre infrastructure ?
Oui. Le site indique qu’Extend propose un déploiement self-hosted pour les équipes qui doivent garder les documents sensibles en interne.

Inclut-il des outils pour tester la qualité de l’extraction ?
Oui. Le produit inclut un Studio et un workflow d’evals pour itérer sur les schémas et détecter les régressions.

Alternatives

• APIs OCR générales ou d’extraction de documents : ces outils se concentrent généralement sur la reconnaissance de texte et l’extraction de champs de base, mais offrent parfois moins d’orchestration de workflows ou de prise en charge des itérations de schéma.
• Pipelines de documents personnalisés basés sur des LLM : les équipes peuvent construire leur propre système d’extraction avec des foundation models, mais cela demande en général plus d’ingénierie pour l’évaluation, la gestion de la confiance et l’orchestration.
• Plateformes IDP traditionnelles : les anciens systèmes de traitement intelligent des documents mettent souvent l’accent sur la capture et des workflows basés sur des règles, tandis qu’Extend semble centré sur l’analyse pilotée par modèle et la construction de pipelines orientée développeur.
• Piles d’analyse open source : elles peuvent être flexibles et moins coûteuses au démarrage, mais nécessitent généralement plus de travail d’assemblage pour la revue, les évaluations et la robustesse en production.