Analyse de la mise en page
L'analyse de la mise en page (layout analysis) est la partie de l'analyse de documents qui repère les zones d'une page, comme les titres, paragraphes, tableaux, figures, légendes et pieds de page, attribue une étiquette à chacune et détermine l'ordre dans lequel une personne les lirait.
Aussi appelé : reading order, layout detection
Par Divya Sharma · Vérifié le 15 nov. 2026 · Notre méthode
Le texte extrait directement d'un PDF sort souvent dans le mauvais ordre. Deux colonnes s'entremêlent ligne par ligne, des notes de bas de page atterrissent au milieu d'une phrase et les en-têtes se répètent à chaque page. L'analyse de la mise en page corrige cela avant que le texte n'arrive au chunking ou à un modèle, c'est pourquoi elle compte pour tout pipeline d'analyse de documents.
Comment ça marche
La plupart des systèmes la traitent comme une détection d'objets sur l'image de la page. Un modèle trace des cadres autour des zones et attribue une classe à chacune. Le jeu de données DocLayNet, par exemple, étiquette chaque zone avec l'une de 11 classes, dont légende, note de bas de page, formule, élément de liste, tableau, titre et texte. Une seconde étape trie les cadres dans l'ordre de lecture, en gérant les colonnes, les encadrés et les figures. Les zones détectées sont ensuite envoyées vers le bon outil : les blocs de texte vers l'OCR si nécessaire, les tableaux vers l'extraction de tableaux, les figures vers un modèle d'images.
Exemple
Face à un article de recherche sur deux colonnes, l'analyse de la mise en page repère le titre, le résumé, les deux colonnes de texte, une figure avec sa légende et une liste de références. L'ordre de lecture place la colonne de gauche avant celle de droite, garde la légende avec sa figure et supprime l'en-tête courant. Des parseurs open source comme Docling incluent cette étape.
Limites
Les maquettes inhabituelles, comme les magazines, les formulaires, les affiches ou les diapositives, sortent de ce sur quoi la plupart des modèles ont été entraînés, et l'ordre de lecture sur des pages complexes reste sujet aux erreurs. Un modèle vision-langage peut gérer la mise en page implicitement mais donne moins de contrôle sur le résultat.
Termes liés
- Analyse de documents
- L'analyse de documents (document parsing) convertit des fichiers comme des PDF, des numérisations, des diapositives et des tableurs en texte structuré exploitable par un logiciel, en conservant les titres, l'ordre de lecture, les tableaux et les images au lieu d'un flux plat de caractères.
- Reconnaissance optique de caractères
- La reconnaissance optique de caractères (OCR) est un logiciel qui lit le texte dans des images, comme des pages numérisées, des photos ou des captures d'écran, et le transforme en caractères lisibles par une machine, que l'on peut rechercher, copier ou fournir à un modèle.
- Extraction de tableaux
- L'extraction de tableaux (table extraction) consiste à repérer les tableaux dans des documents et à reconstruire leurs lignes, colonnes, en-têtes et cellules sous forme de données structurées, comme du HTML, du Markdown ou du CSV, plutôt que de lignes de texte éparses.
- Modèle vision-langage
- Un modèle vision-langage (vision-language model, VLM) est un modèle qui reçoit des images et du texte en entrée et produit du texte, si bien qu'il peut décrire des images, répondre à des questions à leur sujet, lire des documents et extraire des données de captures d'écran.
- Chunking
- Le chunking (découpage en fragments) est l'étape qui divise les longs documents en passages plus petits avant qu'ils soient vectorisés et indexés, afin qu'un système de récupération puisse trouver et renvoyer uniquement les parties d'un document qui répondent à une requête.