02 / OPEN SOURCE · BIBLIOTHÈQUE PYTHON
sacor — extraction documentaire fondée sur les preuves
Bibliothèque et CLI Python publiées sur PyPI (pré-alpha) pour extraire des champs de factures d'électricité et de gaz et de documents CTE italiens : chaque valeur revient avec son origine, les réparations appliquées et les invariants vérifiés, et reste null sans preuve.
Vue d'ensemble
Bibliothèque et CLI Python publiées sur PyPI (pré-alpha) pour extraire des champs de factures d'électricité et de gaz et de documents CTE italiens : chaque valeur revient avec son origine, les réparations appliquées et les invariants vérifiés, et reste null sans preuve.
Le défi
Un extracteur qui ne renvoie qu'une valeur demande de la confiance. La sortie doit être vérifiable et dire « je ne sais pas » plutôt qu'inventer.
Approche architecturale
Pipeline par niveaux : extraction déterministe, validation par invariants, arbitrage IA optionnel, sortie JSON avec confiance calculée.
La solution
Un niveau déterministe à base de regex tourne toujours, gratuitement ; un passage IA optionnel n'intervient que sur les champs non résolus, à coût explicite. La confiance est calculée à partir des preuves, un champ absent vaut null.
Fonctionnalités clés
- Preuve attachée à chaque champ extrait
- Réparations tracées (virgule décimale, dates)
- Invariants arithmétiques entre champs liés
- Niveau IA optionnel avec coût estimé par appel
Direction technologique
Les faits
- Publié sur PyPI (0.1.0), pré-alpha
- Chaque champ renvoyé avec origine, réparations et invariants
- Niveau déterministe gratuit, IA optionnelle à coût estimé
Projet suivant