> For the complete documentation index, see [llms.txt](https://docs.mindee.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.mindee.com/v2/fr/modeles-classification/extraction-model-chaining.md).

# Chaînage de modèle Extraction

Utilisez Classification pour extraire automatiquement les bonnes données des fichiers.

Remarque : les Modèles Classification renvoient toujours une seule classe, quel que soit le nombre de pages ou la présence de plusieurs documents sur la même page.

## Configuration de l’extraction

### Lors de la création du modèle

Lorsque vous créez votre Modèle Classification, vous ajouterez des classes de documents dans la fenêtre de création.

Pour chaque classe de document, vous pouvez associer l’un de vos [Modèles Extraction](/v2/fr/modeles-extraction/extraction-models-overview.md) pour l’enchaînement. Le modèle d’extraction doit exister avant la création de Modèles Classification.

Utilisez le champ de recherche pour filtrer les Modèles Extraction disponibles.

### Après la création du modèle

Cela fonctionne exactement comme lors de la création du modèle.

Allez simplement à la page « Configuration utilitaire » de votre modèle Split et ajustez-la au besoin.

Vous pouvez ajouter de nouvelles classes, supprimer des classes et modifier les Modèles Extraction.

### Extraction sélective

Si une classe détectée n’a aucun modèle d’extraction lié, aucune extraction n’est exécutée pour cette classe.

Cela permet d’extraire de manière sélective certains fichiers tout en en ignorant d’autres.

Supposons que vous receviez de vos utilisateurs différents types de fichiers, notamment, sans s’y limiter : billets d’avion, reçus de voyage, permis de conduire et passeports.

Vous n’avez besoin que des passeports. Dans votre configuration Classification, ajoutez un `passeport` classe et un `autre`  classe, et associez uniquement un modèle d’extraction à la `passeport` classe.

Tous les documents seront classifiés, mais seuls ceux liés à un modèle d’extraction auront des résultats d’extraction.

{% hint style="info" icon="lightbulb" %}
Ajoutez un `autre` une classe en plus des classes qui vous intéressent, sauf si tous les types de documents potentiels sont connus à l'avance.
{% endhint %}

### Utilisation des jetons avec chaînage

Vous ne consommez les jetons qu’une seule fois ; il n’y a pas de double facturation lorsque vous l’enchaînez avec un modèle d'extraction.

Les scénarios possibles de consommation de crédits sont les suivants :

* modèle d'extraction non chaîné ⇒ utilisation des jetons du modèle initial (Split, Crop, Classification)
* modèle d'extraction chaîné ⇒ utilisation des jetons du modèle d'extraction configuré, y compris tout élément activé [Fonctionnalités optionnelles](/v2/fr/modeles-extraction/optional-features.md).

Autrement dit, le modèle initial vous est fourni sans coût supplémentaire s’il déclenche un traitement supplémentaire à l’aide d’un modèle d'extraction.

Toute consommation de jetons est effectuée par page, comme c’est la norme pour nos modèles.

## Accéder aux résultats d’extraction

Lorsqu’un modèle d’extraction est lié, la classe détectée contient un objet de réponse d’extraction.

Cet objet est identique à la réponse renvoyée par une requête d’extraction autonome.

Consultez [Résultat de Classification](/v2/fr/modeles-classification/sdk-integration/classification-result.md) pour plus de détails sur l’accès aux éléments Crop et à leurs réponses d’extraction.


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://docs.mindee.com/v2/fr/modeles-classification/extraction-model-chaining.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.