Documents API
Transformez chaque document en contenu prêt pour l’IA
Extrayez texte, tableaux et images de vos PDF, fichiers Office et images via une seule API. Un OCR avancé transforme les documents scannés en Markdown, JSON ou HTML propre, prêt pour les pipelines RAG, la numérisation et le traitement des factures.
Pourquoi GreenPT
L’IA documentaire sans compromis sur vos données
La plupart des API documentaires vous demandent d’envoyer des fichiers sensibles vers une infrastructure que vous ne contrôlez pas. GreenPT traite vos documents sur une infrastructure privée, hébergée dans l’UE et alimentée par des énergies renouvelables, et n’entraîne jamais ses modèles sur vos données.
Hébergée dans l’UE et conforme au RGPD : vos documents sensibles restent en Europe.
Privée par conception : vos fichiers ne servent jamais à entraîner des modèles.
Une large couverture de formats dans une seule API, des PDF aux feuilles de calcul en passant par les images.
L’OCR intégré lit les scans et les documents basés sur des images.
Modes de tableaux rapide ou précis, selon que vous privilégiez la vitesse ou l’exactitude.
Un JSON DoclingDocument structuré qui s’intègre directement dans vos pipelines RAG.
Fonctionnalités
Une API pour chaque document
Large prise en charge des formats
Traitez PDF, Word, PowerPoint, Excel, CSV, HTML et les types d’images courants via un seul endpoint, sans plomberie spécifique à chaque format.
OCR pour scans et images
Un OCR avancé lit les documents scannés et les images contenant du texte, et transforme les pixels en contenu propre et consultable.
Extraction de tableaux
Détectez et reconstruisez la structure des tableaux de rapports et de feuilles de calcul, avec un mode rapide pour la vitesse ou un mode précis pour l’exactitude.
Plusieurs formats de sortie
Obtenez les résultats en Markdown, JSON, HTML, HTML par page, texte brut ou DocTags. Choisissez-en un ou demandez-en plusieurs à la fois.
Extraction d’images
Récupérez les images intégrées avec le texte, pour que figures et schémas ne se perdent pas lors de la conversion.
JSON structuré pour le RAG
Recevez un schéma DoclingDocument structuré avec textes, tableaux, images et pages, prêt à être découpé et vectorisé pour la recherche.
Formats
Toutes sortes de fichiers en entrée, une structure propre en sortie
Envoyez les documents dont vous disposez déjà. Recevez le format dont votre application a besoin, du Markdown pour un LLM ou du JSON structuré pour un pipeline.
Formats d’entrée
Documents
- .docx
- .pptx
- .xlsx
- .csv
- .md
- .html
Images
- .png
- .jpg
- .tiff
- .bmp
- .webp
Spéciaux
- .vtt
- .xml
- .json
Formats de sortie
- Markdown
- JSON
- HTML
- HTML par page
- Texte brut
- DocTags
Cas d’usage
Conçu pour les workflows riches en documents
Pipelines RAG
Convertissez vos documents sources en texte propre et structuré, pour que vos étapes de recherche et d’embedding partent d’une entrée de qualité.
Traitement des factures
Automatisez l’extraction des données de factures et de reçus, y compris les tableaux qui contiennent les lignes et les totaux.
Numérisation de documents
Transformez archives scannées et anciens PDF en texte consultable et lisible par machine, pour l’indexation et la réutilisation.
Extraction de données
Sortez les tableaux des rapports financiers et des feuilles de calcul dans des formats structurés que vos systèmes peuvent exploiter.
Recherche académique
Traitez des articles de recherche en conservant formules, citations et figures, prêts pour l’analyse ou le résumé.
Accessibilité
Rendez accessibles les documents basés sur des images en extrayant leur texte, pour que lecteurs d’écran et moteurs de recherche puissent l’atteindre.
La Documents API en bref
Quels formats de fichiers puis-je envoyer ?
Des PDF, des fichiers Microsoft Office (Word, PowerPoint, Excel), du CSV, du Markdown, du HTML et les types d’images courants comme PNG, JPEG, TIFF, BMP et WebP. Les formats spéciaux comme VTT, XML et JSON sont aussi pris en charge.
Quels formats de sortie vais-je recevoir ?
Du Markdown (par défaut), du JSON structuré selon le schéma DoclingDocument, du HTML, du HTML par page, du texte brut ou des DocTags. Vous pouvez demander un ou plusieurs formats en un seul appel.
Peut-elle lire des documents scannés ?
Oui. L’OCR intégré convertit les documents scannés et les images contenant du texte en une sortie propre et structurée. Vous pouvez aussi forcer l’OCR pour remplacer le texte existant lorsqu’un PDF source a une couche texte peu fiable.
Extrait-elle les tableaux ?
Oui. La détection de la structure des tableaux est activée par défaut, avec un mode rapide pour la vitesse et un mode précis pour les mises en page complexes. Les images intégrées peuvent être extraites avec le texte.
Mes données restent-elles privées, et où sont-elles traitées ?
La Documents API tourne sur l’infrastructure privée de GreenPT, hébergée dans l’UE et alimentée par des énergies renouvelables. Vos fichiers sont traités pour répondre à votre requête et ne servent jamais à entraîner des modèles.
Lire la doc API →
Lancez-vous
Rendez chaque document prêt pour l’IA.
Envoyez votre premier fichier en quelques minutes. Convertissez PDF, scans et documents Office en contenu propre et structuré, sur une infrastructure privée hébergée dans l’UE.
- 100 % renouvelable
- Hébergé dans l’UE
- Conforme au RGPD