Un agent IA peut lire un graphique dans un PDF, ou une page numérisée sans couche de texte, si la page est d’abord rendue sous forme d’image. Le serveur GroupDocs.Viewer.Mcp effectue ce rendu localement sur votre machine et transmet le PNG à Claude, Cursor ou GitHub Copilot, et un modèle capable de vision lit l’image :

Sur la page 7 du rapport annuel, il y a un graphique de revenus. Quels étaient les chiffres pour chaque trimestre ?

La version étape par étape avec configuration et dépannage se trouve dans la documentation : Comment faire lire des graphiques, diagrammes et pages numérisées à un agent IA.

Situation : la réponse n’existe que sous forme d’image

Vous ouvrez un rapport annuel et le nombre dont vous avez besoin correspond à la hauteur d’une barre. Vous ouvrez un contrat provenant d’un scanner et le PDF ne contient aucun texte sélectionnable. Vous ouvrez une diapositive où la décision est une flèche de diagramme. Un agent qui travaille sur du texte extrait ne trouve rien dans aucun de ces trois cas, car il n’y a aucun caractère à extraire. L’information est réelle, et elle est dessinée.

Que peut lire l’agent à partir d’une page rendue ?

  • Graphiques et diagrammes. Valeurs, tendances, étiquettes et légendes.
  • Pages numérisées. Un PDF créé par un scanner est une image d’une page. L’image est le seul moyen d’accès.
  • Tampons, signatures et écriture manuscrite. Si une page est signée, et ce que dit un tampon.
  • Questions de mise en page. « Le logo est-il dans l’en‑tête ? » ou « Cette diapositive déborde‑t‑elle ? »

Chacune de ces questions porte sur l’apparence de la page. Une image rendue y répond directement.

Étape 1 : Trouver la page sans rendre le document

Un long rapport ne doit pas être rendu en entier pour trouver un seul graphique. Demandez à l’agent de localiser la page de façon économique :

Combien de pages le rapport possède‑t‑il ? Rendre la page de sommaire et dites‑moi où se trouve le graphique de revenus.

L’agent appelle get_view_info pour connaître le nombre de pages, puis render_page pour la page de sommaire. Ce sont deux petits appels au lieu de cinquante rendus. Chaque page rendue est renvoyée sous forme de PNG en ligne, souvent quelques centaines de kilo‑octets, ce qui représente une vraie économie.

Étape 2 : Rendre la page et la lire

Une fois le numéro de page connu, l’agent appelle render_page pour cette page et transmet l’image au modèle. L’image est également enregistrée sous <name>_page<N>.png, de sorte que vous puissiez ouvrir la même image vous‑même et la comparer à la réponse.

Étape 3 : Demander à quel point le modèle est sûr

Lire le graphique de revenus à la page 7. Indiquez quelles valeurs vous êtes certain et lesquelles vous avez dû estimer à partir des hauteurs des barres.

Un modèle qui lit une image peut mal interpréter un petit chiffre ou une numérisation pâle. Pour les chiffres qui entrent dans une décision, faites en sorte que l’agent indique son niveau de confiance, puis vérifiez la source.

Exemple de session

Une illustration basée sur le comportement documenté, pas une capture d’écran réelle. Le texte entre crochets représente ce qu’un modèle lirait à partir de l’image.

Vous :   Sur la page 7 de annual-report.pdf, il y a un graphique de revenus. Quels étaient les chiffres pour chaque trimestre ? Indiquez votre degré de certitude.

Agent : [appelle get_view_info sur annual-report.pdf, puis render_page avec page = 7]
        Page 7 de 'annual-report.pdf' enregistrée dans : <output folder>/annual-report_page7.png
        Le graphique montre [chiffres trimestriels lus à partir de l'image].
        Valeurs imprimées sur le graphique : [liste]. Valeurs estimées à partir de la hauteur des barres : [liste].

Pourquoi pas l’OCR ?

Le rendu n’est pas de l’OCR. L’OCR transforme une image en texte ; ce chemin donne l’image au modèle et le laisse interpréter ce qui s’y trouve, y compris les parties qui ne sont pas du texte. Le serveur ne produit pas de texte vérifié à partir d’une numérisation. Si vous avez besoin d’une couche de texte recherchable, il s’agit d’une étape séparée avec un outil distinct.

Limites honnêtes

  • Une lecture est une interprétation, pas une extraction. Le modèle peut mal lire un petit chiffre, une numérisation pâle ou une légende surchargée. Le rendu ne transforme pas une numérisation en texte vérifié.
  • Le modèle doit accepter les entrées d’image. Avec un modèle texte‑seul, l’agent peut transmettre le chemin du PNG enregistré, mais il ne pourra pas vous dire ce que le graphique indique.
  • Filigrane d’évaluation. Sans licence, chaque page rendue porte un filigrane d’évaluation qui se superpose à la page et peut masquer le détail demandé. Un processus serveur ouvre également au maximum 15 documents. Demandez « Is the viewer server licensed ? » afin que l’agent appelle get_license_status avant de se fier à ce qu’il lit.
  • Une page par appel, PNG uniquement.
  • L’image quitte le serveur. Elle est envoyée à votre agent et à son modèle. Un modèle hébergé localement garde tout sur la machine ; un modèle hébergé reçoit l’image dans le cadre de la conversation.

FAQ

Claude peut‑il lire un graphique dans un PDF ? Claude peut lire un graphique si la page est rendue en image et que le modèle utilisé accepte les images. GroupDocs.Viewer.Mcp rend la page localement avec render_page et renvoie le PNG à Claude.

Mon PDF numérisé n’a aucun texte, comment l’IA peut‑elle le lire ? Rendre la page en image et fournir l’image à un modèle capable de vision. Le modèle lit la photo plutôt qu’une couche de texte, et sa lecture doit être vérifiée pour les chiffres importants.

Est‑ce la même chose que d’extraire des données d’une image de graphique ? Non. Le modèle décrit et estime ce qu’il voit ; il ne renvoie pas les données sous‑jacentes exactes. Utilisez le tableau source lorsque des valeurs précises sont nécessaires.

Approfondir