Présentation de la solution

DeepSeek-OCR-2 est un moteur d'analyse documentaire basé sur l'intelligence artificielle, conçu pour permettre aux petites et moyennes entreprises (PME) de numériser leurs documents à moindre coût. Contrairement aux systèmes d'OCR classiques qui se limitent à l'extraction de texte brut, cet outil interprète la structure visuelle (tableaux, titres, listes) et génère directement un format Markdown standardisé.

La numérisation de contrats, de factures ou de rapports papier, traditionnellement manuelle et fastidieuse, peut ainsi être automatisée en quelques minutes. L'avantage majeur réside dans l'exécution 100% locale des traitements, garantissant la confidentialité des données. De plus, l'infrastructure est optimisée pour les GPU NVIDIA grand public, fonctionnant même sur des ordinateurs de bureau standards.

Fonctionnalités principales

Extraction structurée

Le moteur comprend la sémantique et l'agencement des documents :

• Identification de la hiérarchie des titres (H1, H2, H3).
• Conservation de l'architecture des tableaux (lignes et colonnes).
• Maintien des paragraphes et de la mise en page d'origine.
• Détection automatique des listes ordonnées et non ordonnées.

Optimisation pour l'inférence locale

Pour s'adapter aux contraintes matérielles des PME, plusieurs optimisations ont été intégrées :

• Accélération via Flash Attention 2, réduisant le temps de calcul de 40%.
• Réduction de l'empreinte mémoire de 50% grâce à la précision BF16, permettant l'utilisation de cartes comme la GTX 1660.
• Nettoyage automatisé des fichiers temporaires pour optimiser l'espace disque.

Interface utilisateur

Le tableau de bord est développé avec Streamlit, offrant un flux de travail visuel à deux colonnes : importation et prévisualisation de l'image à gauche, rendu Markdown et téléchargement à droite. Aucune compétence technique n'est requise pour opérer le système.

Configuration et déploiement

Prérequis matériels

Installation logicielle

La mise en place s'effectue rapidement via les commandes suivantes :

# Initialisation de l'environnement de travail
mkdir systeme_ocr_local && cd systeme_ocr_local

# Configuration de l'environnement virtuel Python
python3 -m venv env_virtuel
source env_virtuel/bin/activate

# Installation des bibliothèques requises
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118
pip install streamlit transformers accelerate

Script de lancement

Créez un fichier demarrage.sh pour démarrer le service :

#!/bin/bash
# Lancement de l'interface de reconnaissance
source env_virtuel/bin/activate
streamlit run main_app.py --server.port 8050 --server.address 0.0.0.0

Exécutez le script pour lancer l'application :

chmod +x demarrage.sh
./demarrage.sh

Accédez ensuite à l'interface via http://IP_SERVEUR:8050.

Guide d'utilisation

Le processus d'extraction se déroule en quelques étapes :

1. Importation : Déposez l'image du document (PNG ou JPG) dans la zone d'upload à gauche.
2. Validation : Vérifiez l'aperçu et cliquez sur le bouton d'extraction.
3. Traitement : L'IA analyse le document (10 à 30 secondes selon la complexité).
4. Récupération : Consultez le rendu Markdown à droite et téléchargez le fichier.

Le panneau de résultats propose un mode rendu, un mode code source brut, et une visualisation des zones de détection.

Cas d'usage concrets

Numérisation de contrats juridiques

Un cabinet d'avocats peut transformer un contrat papier de 3 pages en Markdown en moins de 3 minutes (contre 30 minutes manuellement), avec un respect de la structure dépassant 95%.

Traitement de relevés comptables

Pour automatiser l'analyse d'un dossier complet d'images comptables, il est possible d'utiliser un script Python :

import pathlib

def extraire_dossier_comptable(repertoire_src: str):
    suffixes_valides = {".png", ".jpg", ".jpeg"}
    sorties_ocr = []
    
    for chemin_fichier in pathlib.Path(repertoire_src).iterdir():
        if chemin_fichier.suffix.lower() in suffixes_valides:
            # Appel du moteur de reconnaissance documentaire
            texte_converti = analyser_image(str(chemin_fichier))
            sorties_ocr.append(texte_converti)
            
    return sorties_ocr

Documentation technique héritée

Les équipes de développement peuvent numériser d'anciennes documentations d'API papier, conservant les blocs de code et les tableaux pour une intégration directe dans les systèmes de versionnage.

Questions fréquentes

Temps de traitement : Une page A4 standard nécessite environ 15 à 25 secondes sur une GTX 1660.

Résolution maximale : Des images jusqu'à 4000x4000 pixels (300 DPI recommandé) sont prises en charge.

Précision des tableaux : Les tableaux standards sont reconnus à plus de 90%. Les fusions de cellules complexes peuvent nécessiter une révision manuelle.

Sécurité des données : Le traitement étant intégralement local, aucune donnée n'est transmise à des serveurs externes.

Recommandations d'exploitation

• Initialisez le déploiement sur un périmètre restreint ou un type de document spécifique.
• Mettez en place une vérification humaine aléatoire pour garantir la fiabilité.
• Mettez à jour régulièrement les modèles d'IA pour bénéficier des dernières améliorations.
• Formez les utilisateurs non techniques sur l'interface Streamlit.