Créer, utiliser et gérer un classificateur de documents personnalisé

Créer, utiliser et gérer un classificateur de documents personnalisé

Le classificateur personnalisé est conçu pour classer des documents. Créez-le de A à Z avec vos propres documents et classes personnalisées. L'IA générative intégrée permet d'entraîner des modèles avec peu de données et de les affiner. Cela améliore la justesse avec moins d'échantillons et les corrections avec l'étiquetage automatique itératif.

Le classificateur personnalisé couvre ces trois cas d'utilisation généraux.

• Appeler un modèle de fondation : utilisez le modèle de fondation d'IA générative pré-entraîné pour classer rapidement les documents avec les libellés que vous avez fournis.
• Ajustement fin : améliorez la précision en entraînant le modèle de fondation d'IA générative sur vos propres données et libellés.
• Entraîner un modèle personnalisé : entraînez un extracteur personnalisé d'IA non générative à l'aide de vos propres données et étiquettes.

Versions des modèles du classificateur personnalisé

Version de modèle	Description	Version disponible	Traitement ML aux États-Unis et dans l'UE	Affinage aux États-Unis et dans l'UE	Date de disponibilité
pretrained-foundation-model-v1.4-2025-06-16	Candidat à la publication optimisé par le LLM Gemini 2.0 Flash. Inclut également des fonctionnalités avancées de reconnaissance optique des caractères.	Version candidate	Oui	États-Unis, UE (preview)	16 juin 2025

Créer un classificateur personnalisé dans la console Google Cloud

Vous pouvez créer des classificateurs personnalisés spécifiquement adaptés à vos documents, et entraînés et évalués à l'aide de vos données. Cet outil de traitement identifie les classes de documents d'un ensemble de classes défini par l'utilisateur. Vous pouvez ensuite utiliser cet outil de traitement entraîné dans d'autres documents. Vous utiliserez généralement un classificateur personnalisé pour les documents de différents types, puis l'identification pour transmettre les documents à un outil d'extraction afin d'extraire les entités.

Pour connaître le processus général de création et d'utilisation d'un outil de traitement, consultez la section Instructions.

Remarque : Si vos documents se trouvent dans des dossiers distincts par classe, vous pouvez ignorer l'étape 4 en spécifiant la classe au moment de l'importation.

Vous pouvez définir vos propres configurations en fonction de votre workflow.

---

Pour obtenir des instructions détaillées sur cette tâche directement dans la console Google Cloud , cliquez sur Visite guidée :

Visite guidée

---

Avant de commencer

Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector

Verify that billing is enabled for your Google Cloud project.

Enable the Document AI, Cloud Storage APIs.

Enable the APIs

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector

Verify that billing is enabled for your Google Cloud project.

Enable the Document AI, Cloud Storage APIs.

Enable the APIs

Créer un outil de traitement

Procédez comme suit :

1. Accédez à Workbench.

2. Dans le champ "Classificateur de documents personnalisé", sélectionnez Créer un outil de traitement.

   

3. Dans le menu Créer un outil de traitement, saisissez le nom de votre outil de traitement (par exemple, my-custom-document-classifier).

   

4. Sélectionnez la région la plus proche de vous.

5. Sélectionnez Créer. L'onglet Détails de l'outil de traitement s'affiche.

Configurer l'ensemble de données

Pour entraîner ce nouvel outil de traitement, vous devez créer un ensemble de données contenant des données d'entraînement et de test afin de l'aider à identifier les documents que vous souhaitez scinder et classer. Cet ensemble de données nécessite un nouvel emplacement. Il peut s'agir d'un bucket Cloud Storage ou d'un dossier vide, ou vous pouvez autoriser un emplacement géré en interne.

Lorsque l'onglet Détails de l'outil de traitement s'affiche, vous pouvez :

1. Sélectionner Stockage géré par Google si vous souhaitez utiliser Cloud Storage.
2. Sélectionner Je spécifierai mon propre emplacement de stockage si vous souhaitez utiliser votre propre espace de stockage afin d'utiliser des clés de chiffrement gérées par le client (CMEK) et suivre la procédure décrite dans Créer un ensemble de données.



Remarque : Les dossiers des ensembles de données doivent être traités en lecture seule. Ne modifiez et n'ajoutez rien.

Importer des documents dans un ensemble de données

Vous allez ensuite importer vos documents dans votre ensemble de données.

1. Dans l'onglet Compiler, sélectionnez Importer des documents.

   

2. Si vous choisissez d'utiliser un bucket de stockage, vous devez saisir le chemin source du bucket. Pour cet exemple d'entraînement, saisissez le nom de ce bucket dans Chemin source. Cela renvoie directement vers un document.

   cloud-samples-data/documentai/Custom/Patents/PDF/computer_vision_20.pdf
   

3. Pour Répartition des données, sélectionnez Non attribué. Le document de ce dossier n'est attribué ni à l'ensemble de test, ni à l'ensemble d'entraînement. Ne cochez pas la case Importer avec l'étiquetage automatique.

4. Sélectionnez Importer. Document AI lit les documents du bucket dans l'ensemble de données. Il ne modifie pas le bucket d'importation et ne lit pas ses données une fois l'importation terminée.

5. Facultatif : Pour supprimer des documents importés, dans l'onglet Compiler, accédez à Gérer l'ensemble de données > sélectionnez les documents > cliquez sur Supprimer.

Lorsque vous importez des documents, vous pouvez les attribuer aux ensembles d'entraînement ou de test définis lors de l'importation, ou attendre de les attribuer ultérieurement.

Pour en savoir plus sur la préparation de vos données pour l'importation, consultez le guide de préparation des données.

Définir le schéma de l'outil de traitement

Vous pouvez créer le schéma de l'outil de traitement avant ou après l'importation de documents dans votre ensemble de données. Le schéma fournit des étiquettes que vous utilisez pour annoter les documents.

1. Dans l'onglet Compiler, sélectionnez Gérer l'ensemble de données > Modifier le schéma. La page Modifier le schéma s'ouvre.

2. Sélectionnez Créer un libellé.

3. Saisissez le nom de l'étiquette.

4. Sélectionnez Créer. Consultez la section Définir le schéma de l'outil de traitement pour obtenir des instructions détaillées sur la création et la modification d'un schéma.

   Remarque : Lorsqu'un outil de traitement est entraîné, les étiquettes ne peuvent pas être supprimées. À la place, vous pouvez désactiver les étiquettes que vous ne souhaitez pas utiliser.

5. Créez chacune des étiquettes suivantes pour le schéma de l'outil de traitement.

   • computer_vision
   • crypto
   • med_tech
   • other

6. Sélectionnez Enregistrer lorsque vos étiquettes sont créées.

   

Remarque : Les étiquettes sont plates et ne sont pas compatibles avec les entités enfants.

Ajouter une étiquette à un document

Le processus de sélection de texte dans un document et d'application d'étiquettes est appelé annotation.

1. Revenez à l'onglet Compiler, puis sélectionnez un document pour ouvrir la console Gérer l'ensemble de données.

2. Parmi les options, sélectionnez l'étiquette appropriée pour le document. Si vous utilisez l'exemple de document fourni, sélectionnez computer_vision.

   Une fois étiqueté, le document devrait se présenter comme suit :

3. Sélectionnez Marquer comme étiqueté lorsque vous avez terminé d'annoter le document.

   Dans l'onglet Gérer l'ensemble de données, le panneau Document indique qu'un document a été étiqueté.

Attribuer un document annoté à l'ensemble d'entraînement

Maintenant que vous avez étiqueté cet exemple de document, vous pouvez l'attribuer à l'ensemble d'entraînement.

1. Dans l'onglet Gérer l'ensemble de données, cochez la case Tout sélectionner.

2. Dans la liste Attribuer à un ensemble, sélectionnez Entraînement.

Dans le panneau Documents, vous pouvez voir qu'un document a été attribué à l'ensemble d'entraînement.

Importer des données préalablement étiquetées dans les ensembles d'entraînement et de test

Ce guide contient des données préalablement étiquetées. Si vous utilisez votre propre projet, vous devez déterminer comment étiqueter vos données. Consultez la section Options d'étiquetage.

Les outils de traitement personnalisés de Document AI nécessitent au moins un document dans les ensembles d'entraînement et de test pour chaque type de document à étiqueter. Pour des performances optimales, nous vous recommandons d'avoir au moins 10 documents pour chaque étiquette. Pour cinq étiquettes, vous aurez besoin de 50 documents pour l'entraînement et de 50 documents pour les tests. En général, plus la quantité de données d'entraînement est importante, plus la justesse est élevée.

1. Sélectionnez Importer des documents.

2. Saisissez le chemin suivant dans Chemin source. Ce bucket contient des documents préalablement étiquetés au format Document JSON.

   cloud-samples-data/documentai/Custom/Patents/JSON/Classification-InventionType
   

3. Dans la liste Répartition des données, sélectionnez Répartition automatique. Les documents sont automatiquement répartis de la manière suivante : 80 % dans l'ensemble d'entraînement et 20 % dans l'ensemble de test. Ignorez la section Appliquer des étiquettes.

4. Sélectionnez Importer. L'importation peut prendre plusieurs minutes.

Une fois l'importation terminée, vous trouverez les documents dans l'onglet Gérer l'ensemble de données.

Étiqueter plusieurs documents lors de l'importation

Une fois le schéma configuré, vous pouvez éventuellement gagner du temps en étiquetant tous les documents situés dans un répertoire spécifique lors de l'importation.



1. Sélectionnez Importer des documents.

2. Saisissez le chemin suivant dans Chemin source. Ce bucket contient des documents sans étiquettes au format PDF.

   cloud-samples-data/documentai/Custom/Patents/PDF-CDC-BatchLabel
   

3. Dans la liste Répartition des données, sélectionnez Répartition automatique. Les documents sont automatiquement répartis de la manière suivante : 80 % dans l'ensemble d'entraînement et 20 % dans l'ensemble de test.

4. Dans la section Appliquer des étiquettes, sélectionnez Sélectionner une étiquette.

5. Pour ces exemples de documents, sélectionnez other.

6. Sélectionnez Importer et attendez la fin du processus. Vous pouvez quitter cette page et y revenir plus tard. Lorsque vous avez terminé, les documents s'affichent dans l'onglet Gérer l'ensemble de données avec l'étiquette appliquée.

Entraîner l'outil de traitement

Maintenant que vous avez importé les données d'entraînement et de test, vous pouvez entraîner l'outil de traitement. Comme l'entraînement peut prendre plusieurs heures, assurez-vous d'avoir configuré l'outil de traitement avec les données et étiquettes appropriées avant de commencer l'entraînement.

Vous pouvez entraîner des modèles affinés et personnalisés avec vos données étiquetées. Les modèles affinés utilisent l'IA générative. Les modèles personnalisés entraînent un grand modèle de langage unique à l'aide de vos données étiquetées. Vous devez disposer d'au moins deux étiquettes dans le schéma, avec un minimum de 10 documents d'entraînement et 10 documents de test (1 au minimum).

1. Sélectionnez Entraîner une nouvelle version.



Remarque : L'affinage permet d'ajuster un modèle de fondation, ce qui est recommandé. L'option Entraîner un modèle personnalisé permet d'entraîner un modèle conventionnel, sans IA générative.

1. Dans le champ Nom de la version, saisissez un nom pour cette version de l'outil de traitement (par exemple, my-cdc-version-1).

2. Facultatif : Sélectionnez Afficher les statistiques relatives aux étiquettes pour afficher des informations sur les étiquettes des documents qui peuvent vous aider à déterminer votre couverture. Sélectionnez Fermer pour revenir à la configuration de l'entraînement.

3. Sélectionnez Démarrer l'entraînement. Vous pouvez vérifier l'état dans le panneau latéral.

Déployer la version de l'outil de traitement

1. Une fois l'entraînement terminé, accédez à l'onglet Gérer les versions. Vous pouvez consulter les détails de la version que vous venez d'entraîner.

2. Sélectionnez à côté de la version que vous souhaitez déployer, puis sélectionnez Déployer la version.

3. Sélectionnez Déployer dans la boîte de dialogue.

   Le déploiement prend quelques minutes.

Évaluer et tester l'outil de traitement

1. Une fois le déploiement terminé, accédez à l'onglet Évaluer et tester.

   Sur cette page, vous pouvez consulter les métriques d'évaluation, y compris le score F1, la précision et le rappel pour le document complet, ainsi que des étiquettes individuelles. Pour en savoir plus sur l'évaluation et les statistiques, consultez Évaluer l'outil de traitement.

2. Téléchargez un document qui n'a pas été utilisé pour l'entraînement ou les tests précédents afin de pouvoir l'utiliser pour évaluer la version de l'outil de traitement. Si vous utilisez vos propres données, vous devez vous servir d'un document réservé à cette fin.

   Télécharger le PDF

3. Sélectionnez Importer le document de test , puis sélectionnez le document que vous venez de télécharger.

   La page Analyse du classificateur de documents personnalisé s'ouvre. Le résultat montre la classification du document.

   Vous pouvez également réexécuter l'évaluation sur un autre ensemble de test ou une autre version de l'outil de traitement.

Étiqueter automatiquement les nouveaux documents importés

Après avoir déployé une version d'outil de traitement entraînée, vous pouvez utiliser l'étiquetage automatique pour gagner du temps sur l'étiquetage lorsque vous importez de nouveaux documents.

1. Sur la page Gérer l'ensemble de données, cliquez sur Importer des documents.

2. Copiez et collez le chemin d'accès Cloud Storage suivant. Ce répertoire contient cinq PDF de brevets sans étiquette. Dans la liste déroulante Répartition des données, sélectionnez Entraînement.

   cloud-samples-data/documentai/Custom/Patents/PDF-CDC-AutoLabel
   

3. Dans la section Appliquer des étiquettes, sélectionnez Étiquetage automatique.

4. Sélectionnez une version existante de l'outil de traitement pour étiqueter les documents.

   • Par exemple : 2af620b2fd4d1fcf

5. Sélectionnez Importer et attendez la fin du processus. Vous pouvez quitter cette page et y revenir plus tard. Une fois l'opération terminée, les documents apparaissent dans la section Étiquette automatique de la page Gérer l'ensemble de données.

6. Vous ne pouvez pas utiliser de documents étiquetés automatiquement pour l'entraînement ou les tests sans les marquer comme étiquetés. Accédez à la section Étiquette automatique pour afficher les documents étiquetés automatiquement.

7. Sélectionnez le premier document pour accéder à la console d'étiquetage.

8. Vérifiez que l'étiquetage est correct. Ajustez-le si ce n'est pas le cas.

9. Lorsque vous avez terminé, sélectionnez Marquer comme étiqueté.

10. Répétez la validation des étiquettes pour chaque document étiqueté automatiquement, puis revenez à la page Gérer l'ensemble de données pour attribuer les données d'entraînement.

Utiliser l'outil de traitement

Vous pouvez gérer les versions de votre outil de traitement entraîné personnalisé comme n'importe quelle autre version. Pour en savoir plus, consultez Gérer les versions de l'outil de traitement.

Vous pouvez envoyer une requête de traitement à votre outil de traitement personnalisé. La réponse peut être traitée de la même manière que pour les autres outils de classification.

Effectuer un nettoyage

Pour éviter que les ressources utilisées dans cette démonstration soient facturées sur votre compte Google Cloud , procédez comme suit :

1. Dans le menu de navigation de la console Google Cloud , sélectionnez Document AI, puis Mes processeurs.

2. Sur la ligne correspondant à l'outil de traitement que vous souhaitez supprimer, sélectionnez Autres actions.

3. Sélectionnez Supprimer le processeur, saisissez son nom, puis sélectionnez à nouveau Supprimer pour confirmer.

Étapes suivantes

• Pour en savoir plus, consultez Guides.
• Consultez la liste des outils de traitement.
• Séparez les documents en fragments lisibles avec l'analyseur de mise en page.
• Utilisez Enterprise Document OCR pour détecter et extraire du texte.