Documents, images et vision : donner le bon contexte

L’essentiel. Un document n’est pas un bloc homogène. Un PDF peut contenir du texte natif, des scans, des tableaux, des annotations et des pages orientées ; une image ajoute cadrage, résolution, contraste et détails difficiles à lire. Avant de demander une analyse, définissez la tâche, fournissez des fichiers lisibles, indiquez les pages ou zones pertinentes et exigez des repères vérifiables. La vision d’un modèle est utile pour interpréter, mais ne remplace ni un OCR spécialisé, ni un calcul, ni un contrôle humain lorsque l’exactitude compte.

Quatre opérations à ne pas confondre

1. Extraction textuelle : récupérer la couche de texte déjà présente dans un PDF ou un fichier bureautique.
2. OCR : reconnaître des caractères dans un scan ou une photographie ; sa sortie comporte un taux d’erreur.
3. Vision : décrire une scène, comparer des éléments, interpréter une mise en page ou repérer un objet.
4. Raisonnement documentaire : relier des passages, appliquer une consigne, synthétiser ou remplir une structure.

Un même service peut enchaîner ces opérations sans les rendre visibles. Cela ne les rend pas équivalentes. Si un montant est extrait d’une facture, demandez le texte lu, la page, la zone ou le libellé voisin. Pour un graphique, obtenez d’abord les axes, unités, légende et valeurs observables avant de solliciter une interprétation. Pour une signature, une identité ou un détail médical, n’utilisez pas une simple impression visuelle comme décision.

Les limites courantes sont les petits caractères, images floues, documents manuscrits, tableaux complexes, pages très denses, couleurs proches, objets partiellement masqués et comptages précis. Un modèle peut aussi déduire un élément plausible absent de l’image. Une consigne telle que « indique ce qui est illisible ou hors champ » est utile, mais la validation du fichier source reste nécessaire.

Quand utiliser, combiner ou éviter

• Vision seule : description générale, comparaison qualitative, repérage d’une zone ou proposition de texte alternatif à valider.
• OCR puis modèle : lots de scans, champs textuels nombreux, besoin de conserver le texte reconnu et son score.
• Outil déterministe puis modèle : calculs de tableau, métadonnées, dimensions ou conformité à une règle formelle.
• À éviter sans expert : diagnostic, authentification, identification biométrique, preuve juridique ou décision importante fondée sur un détail visuel incertain.

Avant / après : extraire une facture

Avant : « Lis cette facture et donne les informations. » La sortie peut mélanger l’adresse de livraison et celle du fournisseur, confondre HT et TTC ou corriger silencieusement un numéro jugé improbable.

Après : la demande définit les champs, interdit de deviner, impose une valeur null si le texte n’est pas lisible, conserve la chaîne telle qu’elle apparaît et demande page plus libellé adjacent. Les montants sont ensuite rapprochés par un calcul indépendant : HT + taxes = TTC, avec tolérance d’arrondi explicitée.

Prompt copiable : lecture multimodale traçable

Mission : [EXTRAIRE / COMPARER / DÉCRIRE] le document ou l’image joint(e).
Usage prévu : [USAGE]
Zones/pages pertinentes : [REPÈRES]

Avant de répondre :
- signale les pages absentes, orientations incorrectes et zones illisibles ;
- distingue texte observé, élément visuel observé et interprétation ;
- ne complète jamais un caractère ou un objet par vraisemblance.

Pour chaque résultat, fournis :
1. la valeur ou description ;
2. la page et le repère visuel permettant de la retrouver ;
3. le court extrait lu, si applicable ;
4. un niveau « lisible / ambigu / illisible » ;
5. le contrôle humain ou déterministe recommandé.

Si une information n’est pas visible, retourne « non observé ».
Respecte exactement ce format : [FORMAT ATTENDU].

Préparer un fichier exploitable

• Conservez la résolution d’origine et évitez les captures d’écran recompressées.
• Redressez les pages, vérifiez l’ordre et retirez les doublons.
• Découpez un dossier immense en unités cohérentes avec des noms non ambigus.
• Ajoutez la question et le contexte ; le fichier seul ne définit pas la tâche.
• Pour une comparaison, fournissez des images prises sous des conditions comparables.
• Conservez l’original et la sortie extraite pour l’audit.

Pour l’accessibilité, une description générée doit être adaptée à la fonction de l’image. Une photo décorative n’a pas le même texte alternatif qu’un schéma pédagogique. Le modèle peut proposer un brouillon, mais l’auteur de la page doit vérifier que l’information essentielle est transmise sans inventer de détails.

Erreurs fréquentes

• Envoyer un fichier entier alors que deux pages suffisent.
• Demander un comptage exact d’objets minuscules sans outil spécialisé.
• Faire corriger automatiquement une valeur « bizarre » au lieu de la signaler.
• Oublier unités, signes négatifs, notes de bas de page et en-têtes répétés.
• Confondre absence dans l’image et inexistence dans le monde.
• Publier un texte alternatif non relu ou rempli de détails décoratifs.