> 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-split/extraction-model-chaining.md).
# Chaînage de modèle Extraction
Extrayez les données des plages de découpe détectées.
Utilisez des plages Split pour extraire automatiquement les données du document, ce qui permet plusieurs extractions différentes sur un fichier multipage.
## Configuration de l’extraction
### Lors de la création du modèle
Lorsque vous créez votre modèle Split, vous ajoutez des classes de documents dans la fenêtre de création.
Pour chaque classe de document, vous pouvez définir 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 du modèle Split.
Utilisez le champ de recherche pour filtrer les modèles d'extraction disponibles.
### Après la création du modèle
Cela fonctionne exactement comme lors de la création.
Il vous suffit d’aller à la page « Configuration utilitaire » de votre modèle Split et de l’ajuster 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 ne s’exécute pour cette plage Split.
Cela permet d’extraire de manière sélective certaines sections du fichier tout en en ignorant d’autres.
Supposons que vous receviez de vos utilisateurs de gros PDF multipages, dans lesquels chaque PDF est un ensemble de différents documents numérisés : billets d’avion, reçus de voyage, permis de conduire et passeport.
Vous n’avez besoin que des passeports.
Dans votre configuration Split, ajoutez une `passeport` classe et une `autre` classe, et ne liez un modèle d'extraction qu’à la `passeport` classe.
Toutes les plages Split seront classées, mais seules celles liées 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 %}
### Mettons tout cela ensemble
#### Cas d’usage type : KYC
À titre de cas d’usage type, supposons que vous disposiez d’un flux de travail KYC et que vos utilisateurs téléversent leurs fichiers. Point crucial, certains utilisateurs téléversent tous leurs documents dans un seul PDF multipage, tandis que d’autres les envoient dans des fichiers séparés.
Par conséquent, vous recevez pratiquement tout et n’importe quoi mélangé dans le pipeline. Certains utilisateurs téléversent des fichiers uniques contenant des documents tels que : permis de conduire, passeports, cartes étudiantes, badges d’employé, cartes de sécurité sociale, etc. De plus, certains utilisateurs envoient l’identité de plusieurs personnes dans un seul fichier PDF multipage.
Comme premier exemple, supposons que vous ne traitiez que les passeports. Dans votre configuration Split, ajoutez une `passeport` classe et une `autre` classe, puis enchaînez une [modèle d'extraction de passeport](/v2/fr/cas-dusage/extraction-models/passport.md) sur la `passeport` classe. Ne chaînez aucun modèle sur la `autre` classe.
Autre exemple : si vous n’avez besoin que de pièces d’identité gouvernementales (c’est-à-dire permis de conduire et passeport), vous avez deux choix :
* Créez un `official_government_id` classe et enchaînez-la à un [modèle d'extraction International ID](/v2/fr/cas-dusage/extraction-models/international-id-card.md).\
Cette solution est recommandée si vous acceptez une variété de documents d'identité.
* Créez une `driving_license` et `passeport` classe et enchaînez les [Permis de conduire](/v2/fr/cas-dusage/extraction-models/drivers-license.md) et [Passeport](/v2/fr/cas-dusage/extraction-models/passport.md) modèles d'extraction, respectivement.\
Cette solution est recommandée si vous n’acceptez que des documents d’identité spécifiques.
Comme dans l’exemple précédent, ne chaînez aucun modèle sur la `autre` classe.
Dans les exemples ci-dessus, les documents classés comme `autre` auront **pas** de résultats d'extraction, tandis que ceux avec des classes spécifiques **auront** en auront.
Vous pouvez bien sûr utiliser **n’importe quel** modèle d'extraction, y compris des modèles entièrement personnalisés.
#### Cas d’usage type : suppression des pages inutilisées
Il est également possible de supprimer les pages qui ne sont jamais utilisées dans l’extraction. Par exemple, pour supprimer les conditions générales des factures, configurez les classes `terms_and_conditions_page` et `invoice_page` , et ne liez un modèle d'extraction qu’à la `invoice_page` classe.
Cela peut accélérer le traitement, car les pages de conditions générales sont souvent plus lentes à traiter que les pages de facture ordinaires. Vous économiserez également sur les coûts d’extraction, comme détaillé dans la [section relative à l’utilisation des jetons](#token-usage-with-chaining).
## Utilisation des jetons avec chaînage
Le modèle initial (Split, Crop, Classification) vous est fourni sans coût supplémentaire s’il déclenche un traitement supplémentaire à l’aide d’un modèle Extraction.
Les scénarios possibles de consommation de crédits sont les suivants :
* modèle d'extraction non chaîné ⇒ consommation de jetons du modèle initial
* Modèles Extraction chaînés ⇒ consommation de jetons du modèle d'extraction, y compris toute fonctionnalité activée [Fonctionnalités optionnelles](/v2/fr/modeles-extraction/optional-features.md).
La consommation de jetons est calculée par page, comme c’est la norme pour nos modèles.
Pour les modèles Split en particulier, il peut y avoir plusieurs extractions chaînées sur le même fichier. Toutefois, les plages Split ne se chevauchent pas, ce qui signifie que le nombre total de pages traitées ne peut pas dépasser le nombre total de pages du document source.
Les plages Split détectées qui ne sont pas chaînées à un modèle d'extraction consomment des crédits Split, et non des crédits d’extraction.
Quelques exemples :
* Fichier PDF de 2 pages, un seul document de 2 pages est détecté et chaîné ⇒ 2 pages de crédits d’extraction consommées.
* Fichier PDF de 75 pages, aucun document détecté ⇒ 75 pages de crédits Split consommées.
* Fichier image JPEG, un seul document est détecté et chaîné ⇒ 1 page de crédit d’extraction consommé.
* Fichier PDF de 23 pages, un seul document de 5 pages est détecté et chaîné ⇒ 5 pages de crédits d’extraction consommées, 18 pages de crédits Split consommées.
* Fichier PDF de 10 pages, quatre documents de 2 pages sont détectés et chaînés, un seul document de 2 pages est détecté mais **pas** chaîné ⇒ 8 pages de crédits d’extraction consommées, 2 pages de crédits Split consommées.
## Accès aux résultats d’extraction
Lorsqu’un modèle d’extraction est lié, chaque plage Split ayant la classe détectée contiendra un objet Extraction Response, identique à celui obtenu lors d’une demande d’extraction pour un document unique.
Consultez la [Résultat Split](/v2/fr/modeles-split/sdk-integration/split-result.md) section pour plus de détails.
---
# 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-split/extraction-model-chaining.md?ask=&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.
