Lire ce qui arrive, sans payer pour ce qui se lit tout seul
Quatre étages, allumés seulement si nécessaire
Le texte natif
Un PDF produit par un logiciel porte son texte. On le lit, on vérifie qu’il est exploitable, et l’affaire est close — sans appel, sans coût. Selon les corpus, c’est la moitié des pièces reçues.
L’OCR ouvert, sur nos serveurs
Les pages sans couche de texte passent par un moteur ouvert que nous hébergeons. Sur de l’imprimé propre, les meilleurs modèles ouverts de moins d’un milliard de paramètres égalent aujourd’hui les moteurs payants — pour quelques dixièmes de centime les mille pages.
L’escalade payante
Elle se déclenche sur un signal, pas par principe : confiance sous le seuil, indice de manuscrit, catégorie sensible, ou désaccord entre deux moteurs. C’est là qu’on paie, et seulement là.
L’extraction par schéma
Le dernier étage ne lit plus la page, il en tire des champs : montant, date, SIRET, IBAN, référence. Réservé aux catégories où ces champs comptent.
Ce qu’aucun moteur ne sait faire, y compris le nôtre
Nous n’annonçons pas de taux de reconnaissance générique, et voici pourquoi. Sur des pages françaises difficiles, le meilleur moteur testé publiquement en 2026 atteint 0,60 sur l’écriture manuscrite et 0,725 sur les formulaires remplis à la main — soit 40 % et 27,5 % d’échecs. Sur les scans dégradés, aucun système ne dépasse 51 %.
Un chiffre annoncé sur du texte imprimé propre ne dit donc rien de ce que vous obtiendrez sur vos pièces. Nous préférons afficher un score par document et vous laisser la main plutôt que promettre une moyenne qui ne tiendrait pas.
Pourquoi nous gardons les coordonnées de chaque bloc
Un fragment de texte sans adresse ne permet ni de citer, ni de surligner, ni de pondérer une recherche par la confiance de la lecture. Estrelya conserve donc, pour chaque bloc reconnu, sa page, sa boîte englobante, sa classe, le moteur qui l’a lu, la version de ce moteur et sa confiance.
C’est une contrainte de conception, pas un détail : les modèles de langage généralistes ne renvoient pas de coordonnées fiables sur un PDF — Anthropic qualifie lui-même les siennes d’« approximatives ». Ces informations doivent donc venir des moteurs qui les produisent nativement, quitte à réaligner ensuite la sortie d’un modèle sur les mots réellement détectés.
Deux moteurs sur les champs qui coûtent cher
Un défaut documenté des modèles de vision de bout en bout est de produire des phrases plausibles absentes du document source. Sur un résumé, c’est gênant ; sur un IBAN, c’est un virement au mauvais compte.
Sur les champs à enjeu — IBAN, SIRET, montants, dates —, Estrelya fait tourner deux moteurs de nature différente et n’automatise qu’en cas d’accord. En cas de désaccord, la pièce part en validation humaine. Et le coffre-fort conserve l’original, la sortie de chaque moteur, sa version et ses confiances : la chaîne de preuve est documentée, pas reconstituée après coup.