> 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/sdk-integration/classification-result.md).

# Résultat Classification

Documentation de référence sur le traitement d’un résultat Classification à l’aide des SDK Mindee.

Vous devrez disposer d'un objet de réponse comme décrit dans la [Traitement des réponses](/v2/fr/integrations/client-libraries-sdk/process-the-response.md) section.

## Accéder à la Classification

Un `Classificateur` décrit la classe détectée de l'ensemble du document.

## `Classificateur` Attributs

### Type de document

La catégorie de document attribuée au sous-document. Elle est toujours renseignée.

Il est renvoyé sous forme de chaîne et est identique à la valeur saisie sur la plateforme Mindee — majuscules/minuscules, espaces et ponctuation compris.

### Résultats d'extraction

Réponse d'extraction facultative associée à la `Classification`. Celle-ci n'est remplie que si le chaînage d'extraction est activé pour le modèle.

Les résultats de l’extraction en chaîne seront dans un `ExtractionResponse` objet. Cet objet est identique à la réponse d’un modèle Extraction.

Reportez-vous à la [Résultat de l’extraction](/v2/fr/modeles-extraction/sdk-integration/extraction-result.md) section pour plus de détails sur le traitement de l’extraction.

## Exemple de code

{% tabs %}
{% tab title="Python" %}

```python
from mindee import ClassificationResponse

def handle_response(response: ClassificationResponse) -> None:
    classification = response.inference.result.classification

    # Type de document identifié pour ce fichier
    document_type: str = classification.document_type
    print(f"Type détecté : {document_type}")

    # Réponse d'extraction facultative, présente si le chaînage d'extraction a été demandé
    extraction_response = classification.extraction_response

    if extraction_response is not None:
        # Accédez aux champs extraits à partir du résultat d'inférence
        fields = extraction_response.inference.result.fields
        print(f"Champs d'extraction : {fields}")
```

{% endtab %}

{% tab title="Node.js" %}

```javascript
function handleResponse(response) {
  const classification = response.getInference().getResult().getClassification();

  // Type de document identifié pour ce fichier
  const documentType = classification.getDocumentType();
  console.log(`Type détecté : ${documentType}`);

  // Réponse d'extraction facultative, présente si le chaînage d'extraction a été demandé
  const extractionResponse = classification.getExtractionResponse();

  if (extractionResponse != null) {
    // Accédez aux champs extraits à partir du résultat d'inférence du modèle Split
    const fields = extractionResponse.getInference().getResult().getFields();
    console.log(`Champs d'extraction : ${fields.toString()}`);
  }
}
```

{% endtab %}

{% tab title="PHP" %}

```php
use Mindee\V2\Product\Classification\ClassificationResponse;

public function handleResponse(SplitResponse $response)
{
    $classification = $response->inference->result->classification;
}
```

{% endtab %}

{% tab title="Ruby" %}

```ruby
def handle_response(response)
  classification = response.inference.result.classification

  # Type de document identifié pour ce fichier
  document_type = classification.document_type
  puts "Type détecté : #{document_type}"

  # Réponse d'extraction facultative, présente si le chaînage d'extraction a été demandé
  extraction_response = classification.extraction_response

  unless extraction_response.nil?
    # Accédez aux champs extraits à partir du résultat d'inférence du modèle Split
    fields = extraction_response.inference.result.fields
    puts "Champs d'extraction : #{fields}"
  end
end
```

{% endtab %}

{% tab title="Java" %}

```java
import com.mindee.v2.product.classification.ClassificationResponse;

public void handleResponse(ClassificationResponse response) {
  var classification = response.getInference().getResult().getClassification();
  
  // Type de document identifié pour ce fichier
  String documentType = classification.getDocumentType();
  System.out.println("Type détecté : " + documentType);

  // Réponse d'extraction facultative, présente si le chaînage d'extraction a été demandé
  var extractionResponse = classification.getExtractionResponse();

  if (extractionResponse != null) {
    // Accédez aux champs extraits à partir du résultat d'inférence du modèle Split
    var fields = extractionResponse.getInference().getResult().getFields();
    System.out.println("Champs d'extraction : " + fields.toString());
  }
}
```

{% endtab %}

{% tab title=".NET" %}

```csharp
using Mindee.V2.Product.Classification;

public void HandleResponse(ClassificationResponse response)
{
    var classification = response.Inference.Result.Classification;

    // Type de document identifié pour ce fichier
    string documentType = classification.DocumentType;
    Console.WriteLine($"Type détecté : {documentType}");

    // Réponse d'extraction facultative, présente si le chaînage d'extraction a été demandé
    var extractionResponse = classification.ExtractionResponse;

    if (extractionResponse != null)
    {
        // Accédez aux champs extraits à partir du résultat d'inférence de la Classification
        var fields = extractionResponse.Inference.Result.Fields;
        Console.WriteLine($"Champs d'extraction : {fields}");
    }
}
```

{% endtab %}
{% endtabs %}


---

# 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 by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://docs.mindee.com/v2/fr/modeles-classification/sdk-integration/classification-result.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

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.