Un nouveau standard pour une analyse de documents cohérente dans les agents IA

Le 28 octobre 2026, l'équipe derrière ParseBench a publié le projet de travail 0.1 du Document Parsing Protocol (DPP). Cette nouvelle spécification vise à résoudre le problème d'incohérence dans l'interprétation des documents analysés par les agents IA, en fournissant un ensemble standardisé de règles pour la conversion des pages en texte structuré.

Ce qui s'est passé

L'analyse de documents a longtemps été une source de friction pour les développeurs créant des agents IA. Lorsqu'un analyseur convertit un PDF ou une image en texte, il doit prendre de nombreuses décisions concernant la mise en page et la structure. Différents analyseurs font souvent des choix différents, ce qui conduit à des sorties contenant tous les mots corrects mais véhiculant des significations différentes. Comme les agents IA dépendent entièrement de cette entrée analysée, toute erreur structurelle lors de l'étape d'analyse se propage directement dans le raisonnement de l'agent et sa réponse finale.

Pour remédier à cela, les auteurs ont introduit le DPP comme définition partagée de ce à quoi ressemble une page correctement analysée. Le protocole est issu des directives internes utilisées par les annotateurs étiquetant les données pour ParseBench, un benchmark d'analyse de documents. Le projet 0.1 comprend 140 règles spécifiques couvrant le texte, les tableaux, les formulaires, les graphiques et les diagrammes. Chaque règle est accompagnée d'exemples de pages et de la sortie attendue, offrant une référence claire aux développeurs et aux évaluateurs.

La publication invite la communauté à tester le protocole et à fournir des retours. Les auteurs ont mis le projet en ligne avec des outils permettant de le tester contre de grands modèles de langage comme Claude et ChatGPT. Ils encouragent les utilisateurs à ouvrir des issues ou des pull requests sur GitHub s'ils rencontrent des documents où les règles échouent ou entrent en conflit, afin d'affiner le standard grâce à une collaboration ouverte.

Comment ça fonctionne

Le mécanisme central du DPP consiste à remplacer les conversions markdown ambiguës par des représentations structurelles précises lorsque nécessaire. Par exemple, les tableaux markdown standards ne peuvent pas représenter des en-têtes s'étendant sur plusieurs colonnes. Dans un rapport de ventes où les années couvrent plusieurs trimestres, un convertisseur markdown pourrait aplatir les en-têtes ou les supprimer entièrement, ce qui amènerait un agent IA à attribuer incorrectement les données. Le DPP impose l'utilisation de tableaux HTML avec des attributs colspan pour préserver la hiérarchie visuelle exacte du document original. Cela garantit qu'une valeur comme "4.1%" reste explicitement liée à "Q2" sous l'en-tête "2024".

Au-delà des tableaux, le protocole définit un traitement strict pour d'autres éléments complexes. Les champs de formulaire vides sont marqués comme [blank] pour les distinguer des champs manquants, et les cases à cocher sont représentées par [x] ou [ ]. Les graphiques sont convertis en tableaux de données avec les valeurs imprimées exactes, tandis que les diagrammes sont traduits en code Mermaid lorsque possible, ou décrits textuellement avec toutes les étiquettes conservées. Le protocole spécifie également que le texte caché dans les PDF doit être exclu, tandis que le texte visible illisible est marqué comme [illegible]. Des données de position optionnelles permettent de mapper chaque élément à son emplacement sur la page source.

Détails clés

• Le DPP 0.1 contient 140 règles couvrant le texte, les tableaux, les formulaires, les graphiques et les diagrammes.
• Le protocole exige des tableaux HTML pour les en-têtes complexes afin de préserver l'extension des colonnes.
• Les champs de formulaire vides sont explicitement marqués comme [blank] pour éviter l'ambiguïté de perte de données.
• Les graphiques sont convertis en tableaux structurés avec les valeurs numériques exactes de la source.
• Les diagrammes sont sortis sous forme de code Mermaid ou de texte descriptif avec toutes les étiquettes conservées.
• Le projet est ouvert aux retours de la communauté via les issues et pull requests GitHub.

Pourquoi c'est important

Pour les ingénieurs construisant des systèmes de génération augmentée par récupération (RAG) ou des outils d'analyse de documents, la cohérence est critique. Sans standard, deux équipes peuvent évaluer différemment la même sortie d'analyseur, rendant difficile la comparaison des performances ou le débogage des erreurs. Le DPP fournit un langage commun pour évaluer la qualité des analyseurs. En définissant exactement comment les éléments structurels doivent être représentés, il réduit la charge cognitive pesant sur les agents IA, leur permettant de se concentrer sur le raisonnement plutôt que sur le déchiffrement de formats ambigus.

Cette normalisation impacte également la construction des benchmarks. Auparavant, les créateurs de benchmarks devaient prendre des décisions privées sur ce qui constituait une analyse "correcte". Le DPP rend ces décisions explicites et ouvertes à l'examen. Cette transparence aide tout l'écosystème à évoluer vers des pipelines de traitement de documents plus fiables. À mesure que les agents IA prennent en charge des tâches plus complexes impliquant des rapports financiers, des contrats juridiques et des manuels techniques, la fidélité de l'étape initiale d'analyse devient un déterminant principal de la précision du système.

Ce que vous pouvez faire

• Visitez parseprotocol.com pour voir les pages sources à côté de leurs sorties DPP attendues.
• Testez le protocole en téléchargeant une image de page sur Claude ou ChatGPT en utilisant les compétences fournies.
• Vérifiez que des valeurs spécifiques, telles que les nombres entre parenthèses, sont préservées exactement dans la sortie.
• Examinez les exemples de démonstration pour comprendre le raisonnement derrière certaines décisions d'analyse.
• Identifiez les cas limites dans vos propres jeux de documents qui pourraient ne pas être couverts par les 140 règles actuelles.
• Contribuez au standard en ouvrant des issues GitHub avec des exemples de conflits ou d'échecs de règles.