Nanonets

Qu’est-ce que Nanonets ?

Nanonets est une plateforme d’analyse intelligente de documents et d’automatisation de processus gérée par Nano Net Technologies Inc. Elle relie l’OCR, l’extraction de données, le classement, la vérification, l’approbation manuelle et l’écriture dans les systèmes métier en un flux de travail, afin de traiter des factures, des reçus, des commandes d’achat, des relevés bancaires, des documents logistiques et d’autres fichiers non structurés.

Le produit actuel évolue d’un simple outil d’OCR vers une plateforme d’agents IA destinés aux processus financiers et opérationnels. Les utilisateurs peuvent créer des processus sans code depuis le navigateur, ou se connecter à des systèmes existants via des API, Python et des connecteurs d’entreprise.

Fonction principale

• Import de documents : recevoir automatiquement des fichiers depuis un site web, par e-mail, Dropbox, Google Drive, OneDrive, Amazon S3, Zapier ou une API.
• OCR et extraction structurée : reconnaissance du texte, des champs, des tableaux et des éléments de ligne, afin de convertir les fichiers de formats différents en données structurées pouvant être vérifiées et exportées.
• Classification des documents : tri des fichiers selon les factures, commandes, reçus, contrats ou des catégories personnalisées ; Classification AI fait partie des fonctionnalités disponibles pour les abonnements Growth et supérieurs.
• Vérification des données : contrôle des dates, des montants, du format, de la correspondance avec la base de données et des règles métier, en marquant les résultats à faible fiabilité ou anormaux.
• Correspondance entre deux et trois parties : associer les factures aux commandes d’achat et aux enregistrements de réception afin d’identifier les écarts en termes de quantité, de prix et de fournisseur.
• Vérification des doublons et de la fraude : détection de paiements potentiels en double ou de documents anormaux en fonction du fournisseur, du numéro de facture, du montant et des données historiques.
• Codage GL et centres de coût : Les comptes du grand livre, les codes fiscaux et les centres de coût sont proposés en fonction des règles de l’entreprise et des données historiques ; une vérification est encore nécessaire avant la saisie définitive.
• Approbation en plusieurs étapes : attribution des responsables d’approbation en fonction du seuil de montant, de la validité des champs, du fournisseur ou du type d’anomalie ; prise en charge de l’approbation obligatoire et de l’approbation uniquement en cas d’anomalie.
• Bloc de traitement des données : formater avec des dates, rechercher, conditions, sélection de champs et traitement personnalisé en Python pour extraire les résultats.
• Écriture de retour du système : envoyer les données approuvées vers Google Sheets, QuickBooks, Xero, SAP, NetSuite, Oracle, Dynamics 365 ou une base de données relationnelle.
• Traçabilité d’audit : enregistrement des fichiers originaux, des résultats de l’extraction, des règles, des opérations manuelles et des réponses des systèmes externes, afin de faciliter le suivi des anomalies et des écritures comptables.
• Agent documentaire : peut lire les manuels de procédures, les conditions des fournisseurs et les matrices d’approbation, transformer les règles en étapes de processus vérifiables, et transférer les cas anormaux à un intervenant humain.

Entrées et sorties supportées

La taille exacte des fichiers, le nombre de pages, la fréquence de synchronisation et les limites API varient en fonction de la configuration d’entrée, du modèle et du compte. Avant de tester, il convient de consulter l’espace de travail actuel ou la documentation de l’interface ; il ne faut pas appliquer les restrictions d’un seul exemple d’OCR à l’ensemble du processus.

Processus de travail standard

1. Choisissez un scénario de facture, de commande, de pièce d’identité ou de document personnalisé, et préparez un ensemble d’échantillons représentatifs réels mais désanonymisés.
2. Configurer le téléchargement, l’e-mail, le stockage cloud, S3 ou l’import via API, et vérifier d’abord la portée des permissions et les conditions de déclenchement.
3. Définir les champs, tableaux et éléments de ligne à extraire, puis vérifier les différences de mise en page, le contenu manuscrit et les scans en basse résolution à l’aide d’échantillons.
4. Ajouter des blocs de mise en forme, de recherche, de conditions, de classification et de vérification, afin de déterminer quels erreurs sont corrigées automatiquement et lesquelles doivent être traitées manuellement.
5. Définir les étapes et règles d’approbation pour attribuer aux personnes compétentes les documents de montant élevé, à faible niveau de confiance, répétitifs, ayant échoué à la correspondance ou ayant expiré.
6. Configurer l’export via ERP, la base de données, les tableurs ou les API, et ne permettre que l’écriture officielle soit déclenchée par des fichiers approuvés.
7. Exécutez le processus bout en bout à l’aide de fichiers de test, et vérifiez le nombre d’exécutions de chaque bloc, les frais, la mise en correspondance des champs ainsi que les tentatives de réessai en cas d’échec.
8. Après le lancement, effectuer des contrôles aléatoires sur la précision, le taux d’anomalies, les modifications manuelles et la réponse du système, en ajustant continuellement les règles plutôt que de compter entièrement sur l’automatisation.

Scénario typique

• Dettes fournisseurs : réception des factures depuis le courrier électronique des fournisseurs, extraction des lignes de commande, exécution de vérifications multiples, correspondance triangulaire, approbation et enregistrement dans le ERP.
• Gestion des commandes : lecture des commandes d’achat ou de vente, vérification des produits, des quantités et des informations du client, puis synchronisation avec le système opérationnel.
• Frais et reçus : Vérifier que les justificatifs de remboursement sont conformes à la politique, et transmettre les éléments anormaux ainsi que les règles enfreintes au responsable de l’approbation.
• Logistique et chaîne d’approvisionnement : traitement des connaissements, des listes d’emballage, des bons de livraison et des documents douaniers, puis envoi vers le système métier après harmonisation des champs.
• Santé et assurance : extraction de formulaires, traitement de sinistres ou de dossiers patients, mais l’utilisation d’une configuration entreprise conforme aux exigences contractuelles est obligatoire lorsqu’il s’agit de données réglementées.
• Préparation des données pour LLM et RAG : transformer des contenus PDF, de tableaux, de formules et d’images complexes en Markdown ou JSON structurés, afin de faciliter la recherche et les questions-réponses ultérieures.

Avantages et limites des capacités

Avantage réel

• Il couvre l’importation, l’extraction, le traitement, l’approbation et l’exportation, sans nécessiter de transférer manuellement les résultats d’OCR vers plusieurs systèmes.
• Il prend en charge la configuration sans code ainsi que des API et des extensions Python, permettant aux équipes métier et aux développeurs de collaborer dans le même processus.
• Vérification manuelle via un itinéraire anormal, adaptée pour conserver le contrôle financier plutôt que d’imposer un traitement entièrement automatisé.
• Le facturation actuelle se fait par bloc, ce qui permet à l’équipe d’estimer séparément les coûts de extraction, de classification, de formatage et d’exportation.
• La solution d’entreprise offre SSO, SCIM, droits de rôle, journaux d’audit, résidence des données et des options de déploiement dans le cloud privé ou localement.

Limites des capacités

• La numérisation en résolution basse, la saisie manuscrite, les tableaux complexes, les formats non standard et le mélange de langues peuvent encore entraîner des erreurs dans les champs ou les éléments de ligne.
• L’agent d’IA peut omettre des conditions exceptionnelles dans l’interprétation des documents de processus ; les règles générées automatiquement doivent être approuvées par le responsable métier.
• Chaque fichier peut déclencher plusieurs blocs, et un processus ayant le même nombre de pages que de fichiers peut également engendrer des frais différents en raison de sa complexité.
• Growth comprend l’IA générative, le classement, la détection des signatures de codes-barres, du Python personnalisé et l’intégration avec les bases de données d’entreprise ; Starter n’est pas une version complète à titre d’essai.
• L’utilisation de 4 à 6 blocs dans les exemples de factures à prix public est uniquement une estimation ; elle ne garantit pas que chaque organisation aura un coût inférieur.

Prix et limite

Prix unitaire de fonctionnement du bloc

Les Crédits sont des montants prépayés pouvant être utilisés entre les blocs du flux de travail ; ils peuvent être partagés au sein d’une équipe et, selon la page indiquée, ne expirent pas. Les clients existants peuvent encore être soumis aux anciennes tarifs par page ou aux anciens forfaits, et le prix historique de Starter par page ne peut pas servir de méthode de facturation unique pour les nouveaux comptes.

Renouvellement et remboursement

• La commande sera renouvelée automatiquement à la fin de la durée du contrat, sauf si l’une des parties notifie par écrit bien à l’avance, conformément aux exigences de la commande, qu’elle ne souhaite pas le renouveler.
• Les conditions de service stipulent que les frais ne sont pas remboursables et que l’utilisateur n’a pas le droit de retourner le service ; les taxes peuvent être facturées séparément.
• Aucune carte bancaire n’est requise pour le crédit d’essai, mais avant de passer au plan payant, il convient de vérifier les règles de blocage, de Crédits, de dépassement et de suspension.
• Les engagements minimaux, les cycles de paiement, les déductions de service et les conditions de résiliation pour Growth et Enterprise sont déterminés par la commande et le contrat de vente.

API, intégration et déploiement

• Starter inclut déjà l’accès à l’API ; les développeurs peuvent utiliser une clé d’accès pour télécharger des documents, appeler des modèles et recevoir des résultats structurés.
• La documentation officielle fournit des fonctionnalités d’authentification, de flux de travail, de modèles ainsi que des paramètres d’import/export ; GitHub propose également des exemples et des bibliothèques Python pour l’OCR.
• L’importation prend en charge les boîtes aux lettres, les services de stockage cloud populaires, S3, Zapier et les API, tandis que l’exportation peut se connecter à des tableurs, des systèmes comptables, des ERP, des bases de données, FTP ou des scripts personnalisés.
• Les connecteurs d’entreprise couvrent des systèmes tels que SAP, Oracle, Salesforce, etc. Les versions spécifiques, les objets de champ et les plages de lecture/écriture doivent être confirmés lors de la mise en œuvre.
• Les services cloud standards utilisent l’infrastructure d’AWS et de GCP ; Enterprise propose des devis pour du cloud privé, un déploiement local ainsi que le stockage des données aux États-Unis, dans l’UE et en Asie-Pacifique.
• Aucune application native officielle pour iOS ou Android destinée aux utilisateurs finaux n’a été confirmée ; les principales formes d’utilisation sont les pages web, les API et l’intégration système.

Modèles open source et statut d’open source des produits

• Nanonets dispose d’une organisation GitHub officielle vérifiée par le nom de domaine, et met en ligne des exemples d’OCR, Docstrange, Docext, NanoIndex, des nœuds n8n et d’autres projets.
• Les poids de Nanonets-OCR-s sont publiés et licenciés sous Apache 2.0, permettant une déploiement selon cette licence ; il convient néanmoins de vérifier les droits liés au modèle de base, aux dépendances et aux données d’entrée lors de leur utilisation.
• Les poids et les exemples d’utilisation de Nanonets-OCR2-3B sont publiés, mais la page du modèle ne précise pas clairement la licence ; certaines personnes dans la section de discussion demandent encore des précisions, ce qui signifie qu’une utilisation commerciale sans restriction ne peut pas être considérée comme autorisée par défaut.
• Les projets Docstrange, Docext, NanoIndex, etc., disposent chacun de leurs propres licences indépendantes telles que MIT ou Apache 2.0, dont la portée ne couvre que le répertoire correspondant.
• Les solutions SaaS, les flux de travail hébergés, les connecteurs et l’interface de gestion de Nanonets ne deviennent pas tous open source simplement parce que certains modèles ou SDK le sont.

Confidentialité, sécurité et conformité

• Le client conserve la propriété des données téléchargées et autorise Nanonets à traiter, transmettre et utiliser ces données uniquement aux fins de prestation du service.
• Les clauses autorisent Nanonets à utiliser des données dérivées pour améliorer, tester, exploiter, promouvoir et commercialiser les produits ; l’entreprise doit préciser les limites des données dérivées et de l’entraînement dans le DPA ainsi que dans la commande.
• La politique de confidentialité précise que les données de la Google Workspace API ne seront pas utilisées pour développer, améliorer ou entraîner des modèles d’IA et d’apprentissage automatique ; toutefois, cette indication ne signifie pas que toutes les autres sources de données soient automatiquement exclues de l’amélioration des modèles.
• La politique de sécurité standard indique que les données des clients sont stockées dans des systèmes de stockage multi-locataires aux États-Unis ; la page des prix pour les entreprises propose quant à elle des options de stockage aux États-Unis, dans l’UE et en Asie-Pacifique, le lieu exact dépendant des paramètres du forfait et du contrat.
• Les données transmises sont chiffrées avec 256 bits, tandis que les données statiques utilisent AES-256 ; la plateforme offre une isolation réseau, des sauvegardes, des fonctionnalités d’audit et des mesures de réponse aux incidents.
• Nanonets déclare être certifié SOC 2 Type I et Type II, ainsi qu’ISO 27001, et propose un soutien en matière de conformité HIPAA et SOC 2 pour les entreprises ; les rapports doivent être demandés selon la procédure en vigueur.
• Les données des clients sont conservées pendant la période de abonnement payant ou d’un compte actif ; leur suppression peut être demandée par écrit ; les conditions prévoient une conservation maximale de 30 jours après la résiliation de la commande, et les entreprises peuvent établir une stratégie de conservation spécifique.
• Les entreprises peuvent demander un DPA et un NDA, et doivent mettre en place des droits minimaux, une authentification à deux facteurs, une séparation des rôles, des journaux d’audit ainsi que le masquage des champs sensibles.

Résumé

Nanonets convient aux équipes qui ont besoin de transformer la réception, l’extraction, le traitement selon des règles, l’approbation manuelle et l’écriture dans l’ERP en un processus auditable, plutôt qu’aux utilisateurs individuels qui souhaitent simplement identifier occasionnellement une image. Lors de la mise à l’épreuve, il convient d’évaluer en même temps la précision des champs, le traitement des anomalies, le nombre de blocs déclenchés par chaque document, la portée des connecteurs et les contrats de données ; les modèles OCR open source doivent également être évalués séparément par rapport aux fonctionnalités, aux prix et aux licences des solutions SaaS commerciales.