> ## Documentation Index
> Fetch the complete documentation index at: https://docs.abbyy.com/llms.txt
> Use this file to discover all available pages before exploring further.

# Traiter des documents non structurés dans Advanced Designer

> Utilisez les activités NLP d’Advanced Designer — Segmentation, NER, Address Parsing, Deep Learning for NLP — pour extraire des données à partir de contrats, d’e-mails et de texte libre.

Les compétences de traitement de [documents non structurés](/fr/vantage/documentation/advanced-designer/use-cases/extracting-from-docs#unstructured-documents) ne peuvent être créées que dans Advanced Designer ; le [Skill Designer](/fr/vantage/documentation/skill-designer/skill-designer) dans le cloud ne prend pas en charge ces scénarios. Elles s’appuient sur quatre activités NLP principales pour identifier des entités, segmenter le texte et extraire des champs à partir de contenu libre, comme des contrats, des lettres et des e-mails :

* [activité Segmentation](/fr/vantage/documentation/advanced-designer/activities/segmentation/segmentation-activity)
* [activité Deep Learning for NLP](/fr/vantage/documentation/advanced-designer/activities/deep-learning-nlp)
* [activité Named Entities (NER)](/fr/vantage/documentation/advanced-designer/activities/ner)
* [activité Address Parsing](/fr/vantage/documentation/advanced-designer/activities/address-parsing)

<Note>
  Chacune de ces activités prend en charge un nombre limité de langues. Consultez la page de référence de l’activité pour voir la liste des langues.
</Note>

<div id="pick-a-scenario">
  ## Choisissez un scénario
</div>

| Scénario                                                 | Quand l’utiliser                                                                                    | Activités clés                          |
| :------------------------------------------------------- | :-------------------------------------------------------------------------------------------------- | :-------------------------------------- |
| Entités nommées pré-entraînées (document entier)         | Les entités peuvent apparaître n’importe où — configuration minimale requise                        | NER (+ Address Parsing)                 |
| Entités nommées pré-entraînées (paragraphes spécifiques) | L’entité se trouve toujours dans un paragraphe identifié                                            | Segmentation + NER (ou Address Parsing) |
| Entités nommées personnalisées (Deep Learning for NLP)   | Les modèles préentraînés ne peuvent pas lever l’ambiguïté, ou votre type d’entité n’est pas couvert | Segmentation + Deep Learning for NLP    |

Chaque scénario ci-dessous suit un schéma commun ; seules les activités ajoutées au flux de traitement diffèrent.

<div id="common-workflow">
  ## Workflow type
</div>

<Steps>
  <Step title="Créer une compétence de document">
    Ouvrez Advanced Designer et cliquez sur **Create Document Skill** sur la page d’accueil.
  </Step>

  <Step title="Téléverser des documents">
    Dans l’onglet **Documents**, téléversez les documents que vous utiliserez pour configurer la compétence.
  </Step>

  <Step title="Définir les champs et annoter">
    Dans l’onglet **Fields**, créez et configurez les champs que la compétence extraira. Annotez les documents dans la section **Reference**.
  </Step>

  <Step title="Ajouter et configurer les activités NLP">
    Dans l’onglet **Activities**, ajoutez les activités correspondant à votre scénario (décrit ci-dessous). Ouvrez chaque activité dans l’**Éditeur d’activité** pour la configurer et l’entraîner.
  </Step>

  <Step title="Tester et publier">
    Cliquez sur **Test Skill Using Selected Documents** pour évaluer les [résultats](/fr/vantage/documentation/advanced-designer/document-skills/results). Lorsque les résultats sont satisfaisants, [publiez la compétence](/fr/vantage/documentation/advanced-designer/document-skills/publish).
  </Step>
</Steps>

<div id="pre-trained-named-entities-whole-document">
  ## Entités nommées pré-entraînées (document entier)
</div>

Utilisez ce scénario lorsque les entités dont vous avez besoin peuvent apparaître n’importe où dans le document — par exemple, des noms d’entreprise et des adresses dans une lettre. Ajoutez une [activité Named Entities (NER)](/fr/vantage/documentation/advanced-designer/activities/ner) et associez chaque entité nommée à un champ. Si vous devez également décomposer une adresse en composants (rue, ville, état, pays, code postal), ajoutez une [activité Address Parsing](/fr/vantage/documentation/advanced-designer/activities/address-parsing) et associez les composants à des champs.

<Frame>
  <img src="https://mintcdn.com/abbyy/NXewBo345IS17i7w/images/vantage/advanced-designer/ad_usecases_ner.png?fit=max&auto=format&n=NXewBo345IS17i7w&q=85&s=42c1a899cdb1e1b0f0a0837c2dbf32fb" alt="Flux de traitement des documents avec une activité Named Entities (NER)" width="745" height="132" data-path="images/vantage/advanced-designer/ad_usecases_ner.png" />
</Frame>

<div id="pre-trained-named-entities-specific-paragraphs">
  ## Entités nommées pré-entraînées (paragraphes spécifiques)
</div>

Utilisez ce scénario lorsque l’entité se trouve toujours dans le même paragraphe — par exemple, un montant d’achat dans la clause de prix d’un contrat de vente. Isolez d’abord le paragraphe à l’aide d’une [activité Segmentation](/fr/vantage/documentation/advanced-designer/activities/segmentation/segmentation-activity), puis exécutez une activité [Named Entities (NER)](/fr/vantage/documentation/advanced-designer/activities/ner) ou [Address Parsing](/fr/vantage/documentation/advanced-designer/activities/address-parsing) sur le champ segmenté.

Vous pouvez également isoler le paragraphe à l’aide d’une activité [Fast Learning](/fr/vantage/documentation/advanced-designer/activities/fast-learning) ou [NLP Extraction Rules](/fr/vantage/documentation/advanced-designer/activities/nlp-extraction-rules/extraction-rules) au lieu de Segmentation, puis exécuter NER ou Address Parsing sur le résultat.

<Tip>
  Les activités pré-entraînées sont faciles à configurer et ne nécessitent aucun entraînement, mais un réseau neuronal entraîné sur vos documents peut extraire les données avec une meilleure précision. Si vous disposez d’un grand ensemble de documents, essayez aussi le scénario [entités nommées personnalisées](#custom-named-entities-deep-learning-for-nlp) ci-dessous et choisissez celui qui donne les meilleurs résultats.
</Tip>

<Frame>
  <img src="https://mintcdn.com/abbyy/NXewBo345IS17i7w/images/vantage/advanced-designer/ad_usecases_segmentation_ner_ap.png?fit=max&auto=format&n=NXewBo345IS17i7w&q=85&s=106d6612e3065b43e4ff0cd0f054ac40" alt="Flux de traitement des documents où Segmentation alimente Named Entities (NER) et Address Parsing" width="1112" height="103" data-path="images/vantage/advanced-designer/ad_usecases_segmentation_ner_ap.png" />
</Frame>

<div id="custom-named-entities-deep-learning-for-nlp">
  ## Entités nommées personnalisées (Deep Learning for NLP)
</div>

Utilisez ce scénario lorsque les activités pré-entraînées ne parviennent pas à distinguer les entités dont vous avez besoin — par exemple, pour extraire le nom d’une seule organisation à partir d’un paragraphe qui mentionne les deux parties à un accord, ou pour extraire un type d’entité que le NER ne couvre pas (comme une adresse e-mail). Associez une [activité Segmentation](/fr/vantage/documentation/advanced-designer/activities/segmentation/segmentation-activity) à une [activité Deep Learning for NLP](/fr/vantage/documentation/advanced-designer/activities/deep-learning-nlp) : Segmentation isole le paragraphe et Deep Learning extrait les champs ciblés.

<Note>
  L’entraînement d’une activité Deep Learning for NLP nécessite au moins 50 documents (150 recommandés). Pour obtenir les meilleurs résultats, essayez également l’activité pré-entraînée [Named Entities (NER)](/fr/vantage/documentation/advanced-designer/activities/ner) et retenez celle qui offre la meilleure précision sur vos documents.
</Note>

<Frame>
  <img src="https://mintcdn.com/abbyy/NXewBo345IS17i7w/images/vantage/advanced-designer/ad_usecases_segmentation_dl.png?fit=max&auto=format&n=NXewBo345IS17i7w&q=85&s=b0e1341c863e12fd612cfe8fbb8c57cb" alt="Flux de traitement des documents où Segmentation alimente une activité Deep Learning for NLP" width="703" height="81" data-path="images/vantage/advanced-designer/ad_usecases_segmentation_dl.png" />
</Frame>

<div id="related-activities">
  ## Activités associées
</div>

* [activité Named Entities (NER)](/fr/vantage/documentation/advanced-designer/activities/ner)
* [activité Address Parsing](/fr/vantage/documentation/advanced-designer/activities/address-parsing)
* [activité Segmentation](/fr/vantage/documentation/advanced-designer/activities/segmentation/segmentation-activity)
* [activité Deep Learning pour NLP](/fr/vantage/documentation/advanced-designer/activities/deep-learning-nlp)