OCR (IA) à grande échelle
2 800 pages scannées transformées en texte propre en 25 minutes environ, numéros de page conservés pour les citations.
Toutes les réalisations
Étude de cas · Recherche intelligente · RAG
Toute une bibliothèque, interrogeable par le sens.
Une bibliothèque de recherche spécialisée, surtout en arabe et en partie scannée. Nous l'avons numérisée, indexée passage par passage, puis dotée d'un assistant qui retrouve le bon texte par le sens — et montre toujours d'où vient chaque réponse.
- Secteur
- Recherche et savoir
- Notre rôle
- OCR, moteur de recherche, assistant, hébergement
- Statut
- En production
- 40 000+passages interrogeables par le sens
- 8 000+pages issues de 7 sources
- 2 800pages scannées numérisées par OCR (IA)
- 25 minpour toutes les numériser — aucun échec
Le défi
Les réponses étaient dans les livres. Les trouver, c'était le problème.
Des milliers de pages, plusieurs sources et de nombreux volumes scannés qu'aucun moteur de recherche ne pouvait lire. Les chercheurs passaient des heures à retrouver un passage à moitié mémorisé.
La recherche par mots-clés échoue particulièrement en arabe : une même idée s'écrit de mille façons, et personne ne connaît les mots exacts du passage qu'il cherche.
Ce que nous avons construit
Des pages scannées aux réponses sourcées
Recherche par le sens
Chaque passage est indexé par son sens : une question trouve le bon texte même sans aucun mot en commun.
Un assistant qui cite
Les réponses sont rédigées à partir des passages trouvés, chacune avec sa source et sa page.
L'arabe d'abord
Conçu dès le départ pour le texte arabe, ses variantes d'écriture et son style classique.
Mesuré, pas deviné
Les modèles d'IA comparés à l'aveugle sur de vraies questions avant de choisir celui de la production.
Sur nos propres serveurs
L'index de recherche et l'application tournent sur une infrastructure que nous maîtrisons.
Comment ça marche
Quatre étapes, d'une étagère de livres à une réponse sourcée
-
Numériser
Les volumes scannés passent par l'OCR (IA) ; les textes numériques sont nettoyés.
-
Découper
Les textes sont découpés en passages, chacun marqué de sa source et de sa page.
-
Indexer
Chaque passage devient un vecteur, rangé dans un index de recherche.
-
Répondre
L'assistant retrouve les meilleurs passages et répond en les citant.
Résultats
Des heures de lecture remplacées par des réponses vérifiables
Les informations sur le client restent confidentielles. Références détaillées et démonstration sur demande.
Technologies
- Python
- FastAPI
- Qdrant
- Gemini
- OpenAI
- Claude
- nginx
- Des réponses en quelques secondes au lieu d'heures de lecture
- Chaque réponse rattachée à une source et à une page
- Les livres scannés enfin interrogeables
- Des questions comprises, quelle que soit leur formulation
Un projet similaire en tête ?
Décrivez-nous votre besoin : nous vous proposerons la solution la plus simple qui fait le travail, avec un devis clair.
Démarrer un projet