Document AI, également connu sous le nom d'intelligence documentaire, est un domaine technologique qui emploie des techniques de apprentissage automatique, telles que le traitement du langage naturel, pour développer des modèles informatiques capables d'analyser des documents d'une manière similaire à un examen humain. Grâce au traitement du langage naturel, les systèmes informatiques comprennent les relations et les nuances contextuelles dans le contenu des documents, facilitant l'extraction d'informations et de perspectives. Cette technologie permet également de catégoriser et d'organiser les documents eux-mêmes. Les applications s'étendent au traitement et à l'analyse d'une variété de documents semi-structurés, notamment les formulaires, les tableaux, les reçus, les factures, les formulaires fiscaux, les contrats, les accords de prêt et les rapports financiers.
Document AI combine des méthodes d'intelligence artificielle avec des structures de données spécifiques aux documents. Il s'appuie sur des architectures de apprentissage profond pour traiter à la fois le contenu textuel et la disposition spatiale des documents, permettant des tâches allant de l'extraction simple de données à la compréhension et à la génération complexes de documents.
Caractéristiques clés
L'apprentissage automatique est utilisé dans Document AI pour extraire des informations de documents imprimés et numériques. La technologie reconnaît les images, le texte et les caractères dans diverses langues, aidant à l'extraction d'informations à partir de documents non structurés. L'utilisation de cette technologie peut améliorer la vitesse et la qualité de la prise de décision dans l'analyse documentaire. L'automatisation de l'extraction et de la validation des données contribue à une efficacité accrue dans les processus d'analyse documentaire. Depuis le début des années 2020, l'intégration de grands modèles de langage a étendu Document AI au-delà de l'extraction vers des tâches génératives, y compris la rédaction automatisée de formulaires, de contrats et de résumés de documents.
Dimensions des données et architecture ML
Les données sont généralement distinguées en données spatiales et données de séries temporelles. Les données spatiales comprennent les images, les cartes et les graphiques, tandis que les données de séries temporelles incluent des signaux tels que les cours boursiers ou les enregistrements vocaux. Document AI combine des données textuelles, qui ont une dimension temporelle, avec d'autres types de données, comme la position d'une adresse dans une lettre commerciale, qui est spatiale.
Historiquement, les données spatiales étaient analysées à l'aide d'une architecture de réseau de neurones comme un réseau de neurones convolutif, et les données temporelles à l'aide d'un réseau de neurones récurrent. Avec l'avènement de l'architecture transformeur indépendante du type de dimension, ces deux types de dimensions différents peuvent être plus facilement combinés. Document AI est un exemple de cette intégration, car les transformeurs traitent des séquences de jetons tout en incorporant des encodages positionnels qui capturent les informations de disposition.
Exemple : Analyse d'une lettre commerciale
Une lettre commerciale contient des informations sous forme de texte, ainsi que d'autres types d'informations, comme la position du texte. Par exemple, une lettre typique contient deux adresses avant le corps du texte. L'adresse tout en haut, parfois alignée à droite, est l'adresse de l'expéditeur. Elle est normalement suivie de la date de la lettre, avec le lieu de rédaction. Ensuite, l'adresse du destinataire est listée.
La distinction entre l'adresse de l'expéditeur et celle du destinataire est transmise uniquement par la position de l'adresse sur la page ; il n'y a aucune indication textuelle comme « Expéditeur : » devant les adresses. Les systèmes Document AI doivent apprendre à utiliser ces informations spatiales pour classer et extraire correctement ces champs, démontrant l'importance de combiner les données textuelles et de disposition.
Références de référence
Plusieurs ensembles de données publics sont utilisés pour évaluer les systèmes Document AI. FUNSD (Form Understanding in Noisy Scanned Documents) contient 199 formulaires annotés avec des étiquettes au niveau des jetons et des blocs pour les tâches de compréhension de formulaires. CORD (Consolidated Receipt Dataset) prend en charge l'extraction d'informations clés à partir de reçus. DocVQA contient environ 50 000 questions sur 12 000 images de documents pour la réponse à des questions visuelles sensibles à la disposition. Ces références aident les chercheurs à comparer les performances de différents modèles sur des tâches telles que l'extraction d'informations clés, la compréhension de formulaires et la réponse à des questions basées sur des documents.
Utilisations courantes
Les systèmes Document AI automatisent le traitement des documents et l'extraction d'informations dans les flux de travail commerciaux et financiers, y compris le traitement des factures et des reçus, l'automatisation de la saisie de données, la détection d'anomalies, le traitement des prêts hypothécaires, le suivi des portefeuilles de prêts, la gestion du risque de crédit et la détection de fraude, comme la contrefaçon de monnaie et les chèques frauduleux. Ils sont également appliqués à la conformité réglementaire et à l'analyse des contrats, y compris l'évaluation des changements dans les documents juridiques et réglementaires. Dans l'immobilier, Document AI prend en charge la classification des documents et l'extraction d'informations structurées pour un traitement et une analyse standardisés. Avec l'adoption de IA générative, les systèmes Document AI peuvent également générer et pré-remplir des documents structurés tels que des contrats ou des formulaires commerciaux à partir de invites en langage naturel.