Traitement 100 pour cent local

Le controle qualite documentaire en amont de l'intelligence artificielle.

Une IA documentaire ne vaut que ce que valent les documents qu'on lui donne. RAG Preprocessor analyse, nettoie et note chaque fichier avant qu'il n'entre dans votre moteur RAG, et vous dit, chiffres a l'appui, s'il est pret ou non.

Telecharger pour Windows Voir comment ca marche PDF, TXT, Markdown, DOCX
RAG Preprocessor
rapport_qualite.json0
✓ structure detectee fiable
✓ langue fr, densite lexicale elevee
⚠ 3 paragraphes trop longs a decouper
⚠ 2 passages dupliques a dedupliquer
01, le probleme

Du bruit documentaire, des reponses qui deraillent.

La plupart des documents reels sont sales : artefacts d'OCR, en-tetes et pieds de page repetes, tableaux mal interpretes, passages dupliques, mise en forme parasite. Injectes tels quels dans une IA, ils coutent des tokens, ralentissent l'analyse et multiplient les erreurs.

Sans preparation

  • Bruit d'OCR et de pagination noye dans le texte
  • Tableaux aplatis ou detruits
  • Passages dupliques indexes plusieurs fois
  • Tokens gaspilles, couts en hausse
  • Reponses imprecises, risque d'hallucination

Avec RAG Preprocessor

  • Texte propre, structure preservee
  • Redondances detectees et supprimees
  • Score de qualite objectif par document
  • Corpus plus leger, moins de tokens
  • Recherche plus precise, sources fiables
02, le pipeline

Huit etapes, du fichier brut a la connaissance exploitable.

01

Ingestion

Lecture des PDF, TXT, Markdown et DOCX, extraction du contenu exploitable quel que soit le format.

02

Nettoyage

Suppression du Markdown parasite, des artefacts et du mobilier de page, recoupage des paragraphes.

03

Analyse NLP

Statistiques, structure, langue et densite lexicale via spaCy, avec repli automatique si absent.

04

Chunking

Decoupage en morceaux tel que le ferait un moteur RAG, pour anticiper son comportement.

05

Deduplication

Detection et suppression des passages quasi identiques pour ne rien indexer deux fois.

06

Scoring

Un score de 0 a 100 assorti de recommandations concretes et actionnables.

07

Edition directe

Correction des blocs directement dans l'interface, avec apercu et exports mis a jour en direct.

08

Export

Reexport en TXT, Markdown, PDF ou ZIP pour le traitement par lots.

03, la difference

Pas seulement nettoyer. Mesurer, et corriger.

%

Qualite mesurable

Chaque document recoit un score objectif de 0 a 100. Vous savez ce qui est pret avant de payer le moindre cout d'IA sur du contenu de mauvaise qualite.

↻

Corrections guidees

L'outil ne se contente pas de pointer les defauts. Decoupage automatique des paragraphes trop longs, deduplication en un clic.

☉

100 pour cent local

Le traitement se fait entierement sur votre machine. Aucun document ne quitte votre poste, aucune dependance a un service tiers.

RAG Preprocessor
rapport_qualite.json0
✓ structure detectee fiable
✓ langue fr, densite lexicale elevee
⚠ 3 paragraphes trop longs a decouper
⚠ 2 passages dupliques a dedupliquer

Un verdict, pas un simple constat.

Le score distingue la fiabilite du traitement de la proprete du contenu. Un document peut etre sain mais sale, ou simplement inexploitable. Dans tous les cas, vous obtenez un diagnostic clair et les actions pour le corriger, plutot qu'un fichier que vous decouvrez defaillant une fois indexe.

04, pour qui

Concu pour ceux dont les documents ne doivent pas sortir.

Le traitement local n'est pas un detail technique, c'est un prerequis pour les structures qui manipulent des donnees sensibles ou sont tenues au secret.

[01]

Professions au secret reglemente. Avocats, notaires, experts-comptables, sante : preparer des dossiers clients sans qu'aucune piece ne quitte la machine.

[02]

Services internes et PME. Monter un assistant documentaire fiable sans equipe data, avec des corpus propres et reproductibles.

[03]

Consultants et integrateurs IA. Gagner des heures de nettoyage manuel sur chaque mission RAG client.

[04]

Equipes data. Constituer des corpus propres pour l'entrainement, le fine-tuning ou l'evaluation de modeles.

05, etat du produit

Un outil complet, deja operationnel.

Features

  • Ingestion PDF, TXT, Markdown, DOCX
  • Nettoyage et reflow du texte
  • Analyse NLP via spaCy
  • Chunking et deduplication
  • Score qualite 0 a 100 et recommandations
  • Corrections automatiques en un clic
  • Edition directe des blocs dans l'interface
  • Export TXT, Markdown, PDF, ZIP
  • Webapp locale et application Windows autonome
  • Detection des textes non exploitables et mobilier de page
  • Indicateur de retention pour signaler une perte de contenu
  • Preservation renforcee des tableaux
  • Tracabilite de provenance par chunk
06, technologies

Une architecture sobre et modulaire.

Backend
Python, FastAPI, architecture modulaire
Frontend
React 19, TypeScript, Vite, Tailwind
Analyse
spaCy, statistiques, detection de structure
Deploiement
Webapp locale, serveur Linux, executable Windows
07, telechargement

Installez. Deposez vos documents. Rien ne sort.

Application Windows autonome, sans installation de Python ni dependance technique cote utilisateur. Le traitement reste sur votre poste.

Telecharger pour Windows
Windows 10 / 11Application autonomeAucune donnee transmise
08, questions

Questions frequentes.

Les documents quittent-ils ma machine ?

Non. Le traitement est entierement local. Aucun document, aucun extrait n'est transmis a un service tiers. C'est la raison d'etre du produit pour les usages sensibles.

Faut-il installer Python ou des dependances ?

Non pour l'application Windows : elle est autonome et s'utilise directement. La version webapp s'execute en local pour ceux qui preferent le navigateur.

Quels formats sont pris en charge ?

PDF, TXT, Markdown et DOCX a l'import. Export en TXT, Markdown, PDF, et ZIP pour le traitement par lots.

RAG Preprocessor est-il un moteur RAG ?

Non, et c'est volontaire. Il se place en amont de votre moteur, reste neutre vis-a-vis de celui-ci, et prepare la matiere. Il est donc compatible avec n'importe quelle solution d'indexation.

A qui s'adresse l'outil ?

Aux equipes et professionnels qui construisent ou alimentent une IA documentaire et veulent des corpus propres, mesurables et reproductibles, en particulier lorsque la confidentialite est imperative.