Document Analysis

Document Analysis

L'analyse de contenu des documents est réalisée de deux manières complémentaires :

1. Analyse documentaire OCR via des services externes appelés par API (ex: Mindee, Google Vision).
2. Parsing natif (par exemple XML → JSON) avec extraction via XPath, ou regex sur le texte brut lorsqu'aucune structure exploitable n'est disponible.

Chaque document est associé à deux informations clés :

• content_type : décrit le format ou type MIME du document source (ex: application/xml, application/pdf).
• Document Type : identifie la nature du document (facture, relevé, contrat, etc.) et permet d'associer un schéma JSON de référence utilisé pour sa conversion et sa validation.

Chaque document converti contient les métadonnées suivantes :

• document_json : le document converti dans un format JSON standardisé.
• analysis_version : identifie le service et la version de l'API utilisée pour analyser le document.
• analysis_json : contient le résultat brut de l'analyse documentaire.

Tous les documents sont validés en interne contre le schéma JSON avant conversion XML ou automatisation.

Chaque DocumentType est strictement lié à un schéma, ce qui garantit la cohérence des données entre les formats.

Conversions prises en charge

Source	Cible
Facture UBL (XML)	JSON (urn:purchase-invoice)
Facture Mindee (JSON brut)	JSON (urn:purchase-invoice)
Facture JSON (urn:purchase-invoice)	UBL (PEPPOL)
Extrait bancaire (CODA)	JSON (urn:bank-statement)
Extrait bancaire (ISABEL XLS)	JSON (urn:bank-statement)

Identification des meta-données

Utilisation des numéros d'identification fournisseurs :

customer_number
contract_number
installation_number
        │
        └── has one or more → meter_number(s)
                 │
                 └── has → meter_ean (électricité/gaz uniquement)