Extracteur de Champs Dharma : Tout Document en Entrée, Champs Structurés en JSON en Sortie
huggingface ·
Dharma-AI a publié le Dharma Field Extractor, un modèle spécialisé de 2 milliards de paramètres conçu pour convertir des images de documents non structurés en données JSON structurées. Contrairement aux solutions OCR ou aux grands modèles de langage à usage général qui renvoient du texte brut, cet outil extrait des champs spécifiques définis par l'utilisateur ou les identifie automatiquement à partir du contexte. Le modèle a été entraîné sur plus de 43 000 exemples en anglais, portugais et d'autres langues, couvrant divers types de documents tels que les factures, les pièces d'identité et les formulaires médicaux. Lors de tests de référence impliquant 546 documents, l'extraitteur a surpassé les LLM de pointe comme Claude Opus 5 et GPT-5.6 Luna en termes de précision au niveau des champs. De plus, l'exécution auto-hébergée du modèle sur un GPU L40S coûte entre six et 147 fois moins cher que l'utilisation d'alternatives commerciales via API. Le système gère à la fois l'extraction ouverte et les demandes dirigées par schéma, renvoyant des valeurs nulles pour les données manquantes plutôt que d'halluciner des informations. Cette publication renforce la thèse de Dharma-AI selon laquelle des modèles petits et spécifiques à une tâche peuvent surpasser les modèles généralistes plus importants en matière d'efficacité et de rentabilité.
huggingface