L'extraction de données à partir de formulaires imbriqués complexes est un défi courant dans le traitement de documents. Ce benchmark teste plusieurs solutions OCR sur des formulaires aux mises en page complexes, tels que des tableaux multi-niveaux et des sections conditionnelles. Les résultats montrent que si la plupart des outils atteignent une précision élevée de reconnaissance de texte, ils peinent à préserver la structure logique – comme les champs appartenant à une section ou les relations hiérarchiques entre éléments. Cette lacune est critique pour les tâches en aval comme la saisie automatisée de données ou le traitement de factures, où la structure compte autant que le texte. L'article suggère que les futurs systèmes OCR devront intégrer la compréhension de la mise en page et l'analyse sémantique pour être véritablement utiles aux flux de travail métier. Pour les développeurs construisant des pipelines d'IA documentaire, ce benchmark fournit des informations exploitables sur la sélection d'outils et met en évidence les domaines où un post-traitement personnalisé est encore nécessaire.
Une évaluation comparative des outils OCR sur des formulaires imbriqués complexes révèle que la plupart reconnaissent le texte mais échouent à reconstruire la structure métier sous-jacente, mettant en évidence une lacune clé dans l'IA documentaire.