Extracție structurată: Tabele, antete și date numerice
Pe această pagină
Actualizare 2 noiembrie 2026 — Le Chat devine Vibe. Începând cu 28 mai 2026, Le Chat este acum Vibe (tot la chat.mistral.ai): un singur agent pentru muncă și cod, care preia conversațiile, setările și abonamentele dumneavoastră. Experiența legacy Le Chat rămâne accesibilă în modul Chat; în modul Work, agenții au devenit competențe (invocate cu
@), memoriile formează baza de cunoștințe, iar căutarea aprofundată este competența Deep Research. Planurile se numesc acum Mistral Free, Pro, Team și Enterprise. Această lecție folosește denumirea Vibe; unele meniuri descrise aici își pot fi schimbat numele sau locația.
De la documente brute la date organizate
Extragerea textului dintr-un document este un lucru bun. Dar valoarea reală apare atunci când obțineți date structurate: tabele curate, cifre identificate și antete clasificate. Aceasta este diferența dintre a primi o fotocopie a unui bilanț financiar și a primi același bilanț într-un tabel electronic utilizabil. Document AI de la Mistral excelează exact în această sarcină: nu se limitează la citirea textului; înțelege structura documentului și returnează informațiile într-un format direct utilizabil.
Tabelele: punctul forte
Tabelele sunt omniprezente în documentele de afaceri—bilanțuri financiare, liste de prețuri, programări, rezultate de studii—și acesta este domeniul în care OCR-ul clasic a eșuat istoric cel mai lamentabil, transformând coloanele și rândurile într-un haos. Motorul OCR 3, în schimb, le gestionează cu o precizie remarcabilă. Când încărcați în Vibe un document care conține un tabel, modelul identifică mai întâi limitele tabelului, chiar și atunci când acestea sunt subtile sau colorate. Apoi recunoaște antetele și le distinge de date, asociind fiecare celulă cu coloana și rândul său. Gestionează chiar și cazurile dificile: celule fuzionate, subtotaluri, note de subsol—toate capcanele clasice pe care un tabel electronic convertit necorespunzător le transformă în erori silențioase.
Pentru a obține un rezultat utilizabil, faceți-vă un obicei din a specifica formatul dorit în promptul dumneavoastră. „Extrage tabelul de pe pagina 3 în format Markdown“ vă oferă un tabel lizibil direct în Vibe; „Convertește acest tabel în CSV pentru a-l putea lipi în Excel“ îl pregătește pentru importul într-un tabel electronic; „Extrage doar coloana ‘Sumă’ și coloana ‘Dată’“ filtrează ceea ce aveți nevoie direct la sursă. Markdown este adesea formatul cel mai practic pentru uzul zilnic: imediat lizibil și ușor de copiat și lipit în alte instrumente.
Antete, ierarhie și structură
Dincolo de tabele, Document AI poate reconstrui ierarhia documentului: titlurile și subtitlurile sunt identificate și clasificate pe niveluri (h1, h2, h3), paragrafele sunt distinse unele de altele chiar și fără întreruperi de linie vizibile, listele cu marcatori sau numerotate sunt reconstruite corect, iar notele de subsol sunt legate de referințele lor. Această capacitate este inestimabilă atunci când lucrați cu rapoarte lungi sau documente juridice, unde structura are la fel de multă semnificație ca și textul: faptul de a ști că o clauză apare în secțiunea „Garanții“ și nu în „Diverse“ îi schimbă interpretarea.
Prin urmare, puteți face cereri structurale: „Oferiți-mi cuprinsul acestui document“, „Listați toate titlurile de secțiuni cu numerele lor de pagină“ sau chiar „Extrageți doar paragrafele care discută despre garanții“—aceasta din urmă combinând structura și sensul.
Date numerice, cu context
Documentele financiare, ofertele, facturile și rapoartele de activitate sunt pline de numere: sume financiare (venituri, totaluri, TVA, reduceri), date de semnătură sau de scadență, procente de cotă de piață sau marjă și identificatori precum numere de factură, referințe de client sau coduri SIRET. Ceea ce diferențiază Document AI este faptul că nu se limitează la extragerea numerelor—înțelege contextul lor. Dacă întrebați „Care este cifra de afaceri anuală?“, modelul caută specific numărul asociat acelui concept, chiar dacă este îngropat într-un tabel de 50 de rânduri. Un OCR clasic v-ar fi oferit cincizeci de numere neetichetate; aici, îl obțineți pe cel corect.
Această înțelegere vă permite să mergeți dincolo de simpla extracție: puteți solicita calcule și verificări. „Este corect totalul coloanei ‘Sumă fără TVA’?“ face modelul să recalculeze; „Care este diferența dintre cifrele bugetate și cele reale?“ face o corelare între două coloane; „Care element de cheltuială reprezintă cea mai mare pondere?“ transformă tabelul într-o analiză.
Pentru utilizatorii avansați, exportul în JSON structurează ieșirea pentru instrumentele dumneavoastră: „Extrage următoarele informații din această factură în format JSON: număr, dată, sumă fără TVA, TVA, sumă cu TVA, furnizor“ sau „Creează un obiect JSON cu datele din fiecare rând al tabelului.“ Acest format este ideal dacă datele trebuie să alimenteze ulterior un tabel electronic, o bază de date sau alt software.
În practică
Vedeți cum se îmbină aceste capacități în trei scenarii comune. Primiți o stivă de facturi PDF: pentru fiecare, întrebați „Extrage din această factură: numele furnizorului, data, numărul facturii, suma fără TVA, TVA și suma cu TVA. Prezintă sub formă de tabel“—și înregistrarea contabilă este pregătită. În fața unui raport anual de 50 de pagini: „Extrage toate tabelele financiare din acest raport și prezintă-le în Markdown. Identifică veniturile, profitul net și marja operațională.“ Pentru a decide între două oferte, încărcați-le pe ambele și întrebați: „Compară prețurile din aceste două oferte pentru aceleași servicii. Identifică diferențele de tarif.“
Câteva reguli metodologice pentru încheiere. Fiți specifici în legătură cu ceea ce căutați—un anumit tabel, o coloană, un tip de date—și specificați întotdeauna formatul de ieșire dorit (Markdown, CSV, JSON, listă). Pentru documentele scanate, se recomandă o rezoluție de cel puțin 150 DPI pentru o extracție fiabilă. Dacă documentul este foarte dens, procesați-l pagină cu pagină: „Extrage tabelul de pe pagina 7“ va da rezultate mai bune decât un „Extrage toate tabelele“ global. Iar pentru orice utilizare critică, verificați datele extrase comparativ cu documentul original—extracția este un accelerator, nu o derogare de la responsabilitate.
Puncte cheie
- Document AI reconstruiește fidel tabelele cu antete, coloane și celule fuzionate
- Puteți solicita extracția în Markdown, CSV sau JSON, în funcție de nevoile dumneavoastră
- Modelul înțelege contextul datelor numerice și poate răspunde la întrebări specifice
- Structura ierarhică a documentului (titluri, subtitluri, liste) este păstrată
- Verificați întotdeauna extracțiile pentru utilizările critice