Aperçu du Schéma de données

Description générale du Schéma de données d'un modèle d'extraction.

Un Schéma de données d'Extraction définit quelles données doivent être extraites et de quelle manière, à partir des documents envoyés au modèle.

Le Schéma de données est la base de votre modèle. Toutes les autres fonctionnalités utiliseront le Schéma de données et en dépendront.

Vous pouvez considérer le Schéma de données comme une carte des documents que vous envoyez au modèle pour l'extraction.

Cette carte inclut les données à extraire, la manière de formater les données, les pièges à éviter, etc. Pour ce faire, le Schéma de données est composé de champs (ou points de données), chaque champ ayant sa propre configuration.

Utilisez le Live test lorsque vous travaillez sur votre Schéma de données afin de valider rapidement les modifications.

Aperçu des champs

Un Schéma de données est principalement composé de champs.

Un champ décrit un point de données unique à extraire dans le document.

Chaque champ possède les propriétés suivantes :

• Titre - lisible par l'humain
• Nom - lisible par la machine, utilisé comme clé du champ dans la réponse de l'API
• Type - type de données à extraire, détails dans : Aperçu du Schéma de données
• Description (facultative) - fournit un contexte supplémentaire sur l'utilisation du champ
• Consignes (facultatives) - fournit des instructions pour mieux extraire le champ

Types de champs

Le type d'un champ détermine son format lors du retour par l'API.

Le type donne également une indication sur ce qu'il faut rechercher dans le fichier d'entrée.

Types de base

Type de champ	Description
Texte	Une séquence de caractères représentant des données textuelles, une valeur de chaîne de caractères.
Nombre	Des données numériques pouvant être une valeur entière ou une valeur décimale (à virgule flottante).
Date	Une année, un mois et un jour spécifiques, formatés comme une YYYY-MM-DD date ou YYYY-MM-DD HH:mm:ss pour la date et l'heure.
Classification	Une liste définie de catégories ou de types à faire correspondre. Les noms des catégories sont des chaînes de texte.
Booléen	Représente deux valeurs possibles : vrai ou faux Doit être utilisé pour les cases à cocher. Astuce : les noms des champs booléens devraient commencer par "is" ou "has".
Objet imbriqué	Un type de données complexe contenant plusieurs sous-champs ou propriétés. Utilisé pour regrouper des éléments liés, comme les composants d'une adresse. Les sous-champs peuvent contenir une seule valeur ou une liste de valeurs. Un seul niveau d'imbrication : les sous-champs ne peuvent pas être des objets imbriqués.
Détection d'objet	Détectez l'emplacement d'un élément du document, comme un logo, une signature, une photo, etc.
Code-barres	Détectez l'emplacement d'un code-barres 1D (c.-à-d. UPC, EAN) ou d'un code-barres 2D (c.-à-d. QR Code, Data Matrix, 2D-DOC, PDF417). En outre, tentez de décoder le contenu du code-barres sous forme de chaîne de caractères.

Tous les champs peuvent avoir une valeur vide (null).

Types de tableaux

N'importe quel type de champ peut être converti en tableau, une liste de valeurs.

Il suffit d'activer "Plusieurs éléments peuvent être extraits" lors de la création ou de la modification du champ.

Le type de retour sera un tableau du type de base, par exemple une liste de valeurs textuelles ou une liste de nombres.

Il est possible d'avoir une liste d'objets imbriqués, mais pas une liste de listes.

Dans certains cas, il peut y avoir des éléments en double, par exemple lorsque la même valeur apparaît sur plusieurs pages.

Activez "Filtrer les doublons de la liste des éléments" pour corriger cela.

Exemples de champs

Quelques exemples des meilleurs types de champs à utiliser pour un Schéma de données d'extraction de facture de base.

Nom du champ	Type de champ	Valeur de retour d'exemple
Nom du fournisseur	Chaîne de caractères	Acme Supplies Ltd.
Logo du fournisseur	Détection d'objet	Polygone autour du logo
Immatriculation de l'entreprise du fournisseur	Objet imbriqué	Voir les sous-champs ci-dessous
Immatriculation de l'entreprise du fournisseur.Nombre	Chaîne de caractères	CRN-20250123
Immatriculation de l'entreprise du fournisseur.Type	Classification	NUMÉRO DE TVA
Date de facture	Date	2025-06-10
Est en retard	Booléen	faux
Montant total	Nombre	1540.75
Taxes	Tableau d'objets imbriqués	Voir les sous-champs ci-dessous
Taxes[0].Taux	nombre	0.185
Taxes[0].Base	nombre	1300.00
Taxes[0].Montant	nombre	240.75

Consignes globales

En plus des consignes propres à chaque champ, une consigne globale peut être utilisée dans votre Schéma de données.

Le texte de la consigne globale s'appliquera à tous les champs ou à certains d'entre eux, selon vos instructions.

Utilisez les consignes globales lorsque vous souhaitez :

• Généraliser des instructions à plusieurs champs spécifiques. Par exemple :

  • "Les champs numériques liés à des montants doivent toujours comporter 3 décimales."
  • "Les champs de pays doivent renvoyer le code ISO alpha-3 du pays."
• Fournir des instructions générales ou un contexte pour tous les champs. Par exemple :

  • "Veillez à la conformité ASCII en supprimant tous les diacritiques des valeurs de retour."

Vous pouvez mettre n'importe quel nombre de consignes sans lien entre elles dans le texte, par exemple tous les exemples ci-dessus.

Pour de meilleurs résultats, séparez chaque consigne différente par une nouvelle ligne.

Texte du document

Langue

Vous pouvez spécifier le Titre, Nom, Description, et Consignes dans la plupart des langues.

Cela s'applique également au Aperçu du Schéma de données.

Les modèles Mindee peuvent traiter des documents dans la plupart des langues.

Cela inclut, sans toutefois être limité à :

• Langues européennes : anglais, français, espagnol, allemand, italien, portugais, russe, grec, etc
• Langues asiatiques : hindi, bengali, turc, ourdou, farsi, arménien, etc
• Langues d'Asie de l'Est : japonais, mandarin, coréen, vietnamien, etc
• Langues sémitiques : arabe, hébreu, amharique, etc
• Langues africaines : swahili, yoruba, zoulou, etc

Remarque : bien que les modèles puissent comprendre ces langues, nous ne sommes pas en mesure d'offrir une assistance approfondie pour toutes les langues.

Écriture manuscrite

Les modèles Mindee sont capables de reconnaître des textes manuscrits (ou de faire de l'OCR). La précision pour l'écriture manuscrite est en moyenne légèrement inférieure à celle du texte imprimé.

Limitations techniques

Nombre de champs dans le Schéma de données

Le nombre maximal recommandé de champs est de 25 pour un Schéma de données.

Bien qu’il n’y ait aucune erreur, au-delà de ce nombre, les temps de réponse augmenteront.

Noms des champs

Le champ nom doit contenir uniquement :

• des lettres latines minuscules sans accents (a-z)
• des chiffres (0-9)
• des caractères de soulignement (_), mais ni le premier ni le dernier caractère ne peuvent être un caractère de soulignement.

Étapes suivantes

Maintenant que vous êtes familiarisé avec les différents composants du Schéma de données, vous voudrez consulter des conseils pour construire un Schéma de données précis.