LlamaExtract : extraire des données structurées de tes documents

LlamaParse te donne un texte propre. Mais souvent, tu veux aller plus loin : sortir d’un lot de factures un tableau avec le fournisseur, le montant et la date. C’est précisément le rôle de LlamaExtract, le composant d’extraction de l’écosystème LlamaIndex.

Le principe : un schéma, puis des données

LlamaExtract sert à tirer des données structurées de documents qui ne le sont pas. Son fonctionnement tient en deux temps¹ :

• L’inférence de schéma. Il analyse un échantillon de documents et propose automatiquement un schéma JSON décrivant les informations présentes. Tu peux ensuite l’ajuster à tes besoins.
• L’extraction. Une fois le schéma défini, il parcourt les documents et en sort des données conformes, prêtes à entrer dans une base ou un workflow automatisé.

Les cas d’usage parlent d’eux-mêmes : extraire d’un CV le nombre d’années d’expérience et le dernier diplôme, sortir d’une facture les lignes et les totaux, ou structurer des fiches produits selon ton propre schéma¹.

Ce qui a changé : la fin de la bêta

C’est le point clé à mettre à jour. En 2024, LlamaExtract était en version bêta expérimentale. Depuis, l’outil a beaucoup mûri et s’appuie sur des modèles de vision (VLM) pour mieux comprendre la mise en page des documents².

Trois nouveautés méritent d’être intégrées. D’abord, chaque champ extrait peut venir avec un score de confiance et une citation pointant vers l’endroit du document d’où vient l’information, ce qui change tout pour vérifier et faire confiance aux résultats². Ensuite, un mode dédié aux entités répétées, du type lignes d’un catalogue ou d’un tableau, évite de perdre des données dans les longs documents³. Enfin, l’outil est désormais accessible aussi via un SDK TypeScript, en plus du package Python³.

L’essentiel à retenir

LlamaExtract est la dernière marche de la chaîne : du document brut, on passe à des données propres et exploitables. Retiens le duo inférence de schéma puis extraction, et surtout les ajouts récents, scores de confiance et citations en tête, qui le rendent enfin sérieux pour la production. Avec LlamaParse pour parser et LlamaIndex pour indexer, tu tiens une chaîne complète de traitement documentaire.