Convertir PDF vers JSON à grande échelle grâce à l'API de Mindee

Les formats de documents pris en charge sont les suivants :

• PDF (demande/pdf) — Bien qu'il s'agisse techniquement d'un format de document plutôt que d'une image, il est pris en charge de manière native pour tous les modèles d'extraction.
• JPEG/JPG (image/jpeg)
• PNG (image/png) — Il ne doit pas être animé.
• WebP (image/webp)
• TIFF/TIF (image/tiff) — Les fichiers TIFF à page unique et à pages multiples sont pris en charge et traités de la même manière que les PDF.
• HEIC (image/heic) — Format de conteneur d'images à haute efficacité d'Apple.

‍

📌 Limites techniques importantes à prendre en compte :

Pour garantir le bon fonctionnement du pipeline d'OCR et renvoyer correctement votre JSON, assurez-vous que vos fichiers respectent les contraintes suivantes :

• Taille de fichier maximale : 100 Mo par fichier.
• Nombre de pages maximum : Jusqu'à 200 pages par document.
• État du fichier : Les fichiers ne peuvent pas être chiffrés et les PDF ne doivent pas être protégés par mot de passe.

Oui, il est tout à fait possible de traiter et de convertir des PDF par lots avec Mindee. La meilleure approche dépend de la façon dont votre « lot » d'images ou de documents est organisé.

Voici comment gérer le traitement par lots en fonction de l'architecture de Mindee :

1. Plusieurs fichiers image distincts (par exemple, un dossier de fichiers JPG ou PNG)

Par défaut, le point de terminaison d'API standard de Mindee traite un fichier par requête HTTP. Pour convertir par lots un grand dossier de documents séparés, il vous suffit de gérer l'orchestration côté client :

• Appels d'API simultanés : Vous pouvez écrire un script (à l'aide de Python, Node.js, etc.) pour parcourir vos fichiers en boucle et envoyer plusieurs requêtes d'API simultanément.
• Points de terminaison asynchrones : Pour les volumes à l'échelle de l'entreprise, Mindee fournit une API asynchrone (/predict_async). Au lieu de maintenir la connexion ouverte, vous placez votre lot de PDF dans une file d'attente de traitement, puis vous utilisez des webhooks (ou un sondage) pour récupérer les données JSON structurées à la fin du traitement de chaque fichier.

2. Plusieurs documents regroupés dans un seul fichier

Si votre « lot » est en fait un seul gros fichier contenant plusieurs documents différents (comme un PDF de 50 pages contenant du courrier mixte ou une seule photo contenant quatre reçus différents disposés sur un tableau), Mindee dispose d'outils d'IA natifs spécialement conçus pour cela :

• Recadrage automatique: Si vous chargez un seul document contenant plusieurs éléments distincts, la fonction de recadrage automatique de Mindee peut détecter, isoler et enregistrer automatiquement chaque élément dans un fichier propre et individuel prêt à être extrait des données.
• Fractionnement automatique: Si vous chargez une numérisation par lots de plusieurs pages volumineuses, la détection intelligente des limites de l'API détecte le début et la fin de chaque document, découpant automatiquement le fichier volumineux en enregistrements logiques et discrets.
• Classification automatique: Une fois le lot séparé, le moteur de routage agit comme un architecte numérique pour classer instantanément chaque document par type (par exemple, en séparant les factures des contrats) et les envoie au pipeline d'extraction approprié.

En combinant vos propres boucles asynchrones pour des fichiers individuels grâce à la fonction intégrée de Mindee Enregistrer, diviser et classer fonctionnalités pour les fichiers groupés, vous pouvez créer un pipeline de traitement par lots automatisé et hautement efficace !

Oui, vous pouvez tout à fait essayer la solution avant de vous inscrire. Mindee propose une Essai gratuit de 14 jours, et aucune carte de crédit n'est requise pour s'inscrire.

Cet essai gratuit vous permet de tester complètement la plateforme et inclut :

• Traitement jusqu'à 200 pages.
• La possibilité de passer des appels d'API afin que vous puissiez tester l'intégration technique directement avec votre propre stack.
• Accès à tous les types de modèles (reçus, factures, contrats, pièces d'identité, etc.) et à la documentation complète.
• Accès à des fonctionnalités optionnelles qui vous permettent de tester des cas d'utilisation spécifiques.

Une fois la période d'essai de 14 jours terminée, ou lorsque vous atteignez la limite de 200 pages, il vous suffira de choisir l'un de leurs plans d'abonnement (Starter, Pro, Business ou Enterprise) pour continuer à utiliser le service et adapter le plan au volume de traitement attendu.

Oui, vos données sont hautement sécurisées et protégées pendant tout le processus de conversion. En tant que solution OCR destinée aux entreprises, Mindee prend très au sérieux la confidentialité des données. Voici les principales mesures de sécurité mises en place :

• Conformité certifiée : L'infrastructure de Mindee est Certifié SOC 2 Type II et entièrement Conforme au RGPD, garantissant des normes industrielles strictes en matière de protection des données.
• Chiffrement : Tous les documents et les données extraites sont entièrement cryptés à la fois en transit (pendant l'appel API) et au repos.
• Localisation des données : Vous avez le contrôle de l'endroit où vos données sont traitées, avec la possibilité d'héberger et de traiter vos données sur l'un ou l'autre des sites suivants : UE ou NOUS serveurs.
• Confidentialité stricte : Mindee respecte la confidentialité des données. Vos documents traités ne sont pas partagés avec des tiers et vos données privées sont non utilisé pour entraîner des modèles d'IA mondiaux.

En résumé, vos documents sensibles sont traités dans un environnement sécurisé et isolé et restent totalement sous votre contrôle.

L'obtention du JSON est la première étape ; l'obtention d'un JSON valide est la deuxième étape. La plupart des API modernes, comme Mindee, vous permettent de définir un schéma de données. Pour vous assurer que votre base de données ne tombe pas en panne :

• Utiliser Pydantique (Python) ou Zod (TypeScript) pour valider la sortie de l'API.
• Si l'extraction ne correspond pas au schéma (par exemple, un invoice_id obligatoire manquant), signalez-la pour qu'elle soit examinée par un humain.

L'API de Mindee est RESTful et renvoie les données au format JSON. Le code XML n'est pas renvoyé.

Pour connecter Mindee à votre outil professionnel, vous pouvez utiliser L'API REST + JSON de Mindee via un connecteur ERP/CRM, des étapes HTTP ou des webhooks. La plupart des outils ERP/CRM s'intègrent soit via des actions/nœuds HTTP (low-code), soit via une plateforme d'automatisation.

‍

Si votre ERP/CRM prend en charge les webhooks entrants, vous pouvez également utiliser les webhooks Mindee pour recevoir les résultats sur le point de terminaison de votre serveur (recommandé pour une utilisation intensive en production).