Adit Abraham, cofondateur et PDG de Reducto – Série d’entretiens

Adit Abraham est cofondateur et PDG de Reducto, où il s’attache à transformer des documents complexes d’entreprise en données fiables pour les applications d’IA. Avant de fonder l’entreprise avec Raunak Chowdhuri, lui aussi diplômé du MIT, il a étudié l’informatique au MIT, mené des recherches en apprentissage automatique au MIT Media Lab et travaillé sur les produits publicitaires et la recherche en tant que chef de produit chez Google. Reducto est née des efforts des fondateurs pour créer des outils de mémoire destinés aux grands modèles de langage, alors que l’ingestion peu fiable de documents constituait un obstacle récurrent. Le travail direct d’Abraham auprès des premiers clients a contribué à orienter l’entreprise vers l’exactitude, la sécurité, la souplesse de déploiement et des performances prévisibles en production.

Reducto développe une infrastructure d’intelligence documentaire qui aide les équipes d’IA à convertir des PDF, des documents numérisés, des feuilles de calcul et d’autres fichiers en informations structurées et exploitables. Sa plateforme associe la reconnaissance optique de caractères, la vision par ordinateur et des modèles vision-langage pour interpréter le texte, les tableaux, les figures, la mise en forme et les mises en page complexes. En plus de l’analyse, elle propose des outils d’extraction structurée, de découpage, de classification et de modification de documents, ainsi que des citations qui relient les informations extraites à leur source. Parmi ses clients figurent Harvey, Scale AI, Vanta, Mercor et Rogo. L’entreprise travaille sur la génération augmentée par récupération, la recherche et les flux de traitement documentaire dans des domaines comme la finance, la santé et le droit, où la fiabilité de l’ingestion et la traçabilité des résultats sont essentielles.

Reducto est née des difficultés que vous et Raunak Chowdhuri avez rencontrées en créant des outils de mémoire pour les grands modèles de langage. Qu’est-ce qui ne fonctionnait pas précisément dans les outils de traitement documentaire existants, et à quel moment avez-vous compris que le problème de l’analyse documentaire était suffisamment important pour en faire une entreprise ?

Nous cherchions à donner aux modèles accès au contexte contenu dans les documents. Nous avons donc ajouté une fonctionnalité de téléversement de fichiers, mais nous étions constamment confrontés à des problèmes de qualité du traitement. Nous avons essayé tous les outils existants à l’époque, mais aucun ne répondait à nos exigences pour traiter les documents désordonnés du monde réel que les gens téléversaient effectivement.

Nous avons donc créé notre propre solution d’analyse, d’abord comme fonctionnalité de notre produit de mémoire pour grands modèles de langage. Mais nous avons ensuite constaté un vif intérêt de la part de développeurs qui avaient eux aussi rencontré ce problème et qui appréciaient notre solution. Certaines équipes passaient des semaines à créer et à maintenir leurs propres chaînes d’ingestion, car les outils disponibles ne traitaient pas leurs documents de manière fiable. Ces échanges nous ont permis de mieux cerner le potentiel de cette activité : même si l’intelligence des modèles ne cesse de progresser, disposer d’un contexte clair et exact reste déterminant.

Les PDF sont conçus, d’un point de vue technique, pour afficher des informations plutôt que pour les rendre lisibles par une machine. Pourquoi les documents complexes, en particulier ceux qui contiennent des tableaux, des graphiques, des mises en page à plusieurs colonnes ou des images intégrées, sont-ils si difficiles à interpréter de façon fiable par les systèmes d’IA ?

Lorsque nous lisons un document, nous, les humains, tenons pour acquis une grande partie de notre compréhension intuitive : nous pouvons presque instantanément déduire les liens entre les éléments, car nous voyons qu’un nombre se trouve sous un en-tête de colonne précis, qu’un texte se poursuit dans une autre colonne ou qu’une légende renvoie à la figure qui la surplombe.

Les modèles d’IA ont en réalité beaucoup de mal à y parvenir, car les PDF ne sont pas conçus pour conserver ce type d’informations relationnelles ou de métadonnées ; ce sont essentiellement des images très denses en données. Un outil d’analyse doit reconstituer ces liens à partir de la page, une tâche qui devient bien plus difficile avec des cellules fusionnées, des tableaux imbriqués, des graphiques, des documents numérisés et des mises en page inhabituelles. Comme nous nous concentrons sur ce problème de compréhension documentaire, nous pouvons traiter de façon fiable les documents de la longue traîne sur lesquels les modèles d’IA ont tendance à halluciner et à se tromper.

Reducto combine la vision par ordinateur, la reconnaissance optique de caractères et des modèles vision-langage dans son processus de traitement documentaire. Comment ces différentes technologies fonctionnent-elles ensemble, et quelles sont les limites persistantes des systèmes OCR traditionnels ?

La reconnaissance optique de caractères traditionnelle existe depuis des décennies et a été conçue pour lire, caractère par caractère, des documents contenant du texte propre et lisible. Elle se révèle vite inefficace dès que les documents sont manuscrits, numérisés, inclinés ou organisés en tableaux, ce qui est le cas de la majorité des données d’entreprise.

Reducto a été la première à intégrer des modèles vision-langage au traitement documentaire avec « Agentic OCR », car nous avons vu le potentiel des modèles VLM pour comprendre davantage que le seul texte des documents : une véritable intelligence documentaire nécessite du contexte, de l’exactitude et des capacités multimodales. Notre tout dernier modèle d’analyse, r-1, associe les capacités d’Agentic OCR à des fonctionnalités comme la mise en forme, les citations et la détection de la mise en page, en un seul passage.

Ce travail supplémentaire est important, car même un outil d’analyse très précis dans l’ensemble peut causer un grave problème si les quelques informations qu’il omet comprennent la figure, la clause ou l’entrée de tableau dont quelqu’un a réellement besoin.

À mesure que les modèles d’IA deviennent de plus en plus multimodaux et capables d’interpréter directement des images et des documents, comment voyez-vous évoluer le rôle des plateformes spécialisées dans l’intelligence documentaire ? Les modèles de fondation pourraient-ils finir par réaliser eux-mêmes une grande partie de ce travail, ou une infrastructure dédiée restera-t-elle nécessaire ?

Nous parions en fait sur le fait que les modèles d’IA ne cesseront de s’améliorer, de devenir plus rapides et plus performants. De nouveaux modèles étant constamment mis sur le marché, nous évaluons régulièrement leurs faiblesses et intégrons leurs points forts à nos propres pipelines afin d’offrir à nos clients les meilleures performances possibles. Reducto veut jouer le rôle de votre équipe d’ingestion et vous aider à développer vos activités à mesure qu’elles grandissent.

Les grandes entreprises doivent relever un défi particulier : elles ont besoin non seulement de performances, mais aussi d’un débit évolutif, de gouvernance et de traçabilité à l’échelle de la production, des exigences auxquelles les modèles de fondation répondent encore difficilement aujourd’hui.

Nous avons récemment testé cela à l’aide du benchmark GDP.pdf, qui a montré que les modèles de pointe peinent encore à raisonner sur des documents professionnels complexes et obtiennent des taux de réussite stricts au niveau des tâches inférieurs à 15–25 %. En laissant Reducto analyser d’abord ces documents, puis en transmettant les données structurées aux modèles de pointe, la précision globale a progressé de neuf points de pourcentage, tandis que le nombre de jetons utilisés pour le raisonnement a diminué de 13 % par rapport aux modèles qui traitaient directement les documents.

Cela montre que les infrastructures dédiées à l’ingestion restent extrêmement utiles, car la plupart des données des entreprises ne sont pas encore exploitées.

De nombreuses applications d’IA en entreprise reposent, en fin de compte, sur la génération augmentée par récupération ou sur des systèmes agentiques qui accèdent aux informations enfouies dans des documents internes. Dans quelle mesure les problèmes de fiabilité de ces systèmes trouvent-ils leur origine en amont, dans l’ingestion et l’analyse des documents ?

Une grande partie des problèmes survient dès l’ingestion ; les équipes ne les découvrent souvent que bien plus tard, car la mauvaise réponse apparaît au bout du pipeline. Si un analyseur omet une ligne d’un tableau, mélange l’ordre de lecture de deux colonnes ou ne détecte pas une figure, la récupération ne peut pas retrouver des informations qui ne sont jamais entrées dans la base de données.

Nous constatons souvent que l’expérience des utilisateurs finaux de nos clients s’améliore considérablement après qu’ils ont remplacé leur système d’ingestion par Reducto, car les systèmes de génération augmentée par récupération et de recherche fournissent des résultats de meilleure qualité, de façon plus régulière. Harvey, par exemple, a vu le nombre de demandes d’assistance de clients liées à l’OCR chuter fortement et l’utilisation de son produit se multiplier après avoir adopté Reducto comme couche de traitement.

Reducto a étendu ses activités au-delà de l’analyse pour inclure l’extraction structurée et des processus documentaires plus vastes. À quoi ressemble la prochaine étape de l’intelligence documentaire, une fois qu’un système sait comprendre avec précision la structure sous-jacente d’un document ?

L’ingestion des données n’est généralement que la première étape d’un processus métier beaucoup plus vaste. Une entreprise peut recevoir un fichier de 500 pages et devoir repérer les documents qu’il contient, les classer, en extraire des informations précises, comparer celles-ci avec celles d’un autre système, puis transmettre les cas inhabituels à un spécialiste pour examen. Nous avons consacré 2 ans à entraîner les meilleurs modèles de compréhension documentaire du marché et nous nous attachons désormais davantage à simplifier les étapes qui suivent.

Dès lors que vous pouvez comprendre de manière fiable le contenu et la structure d’un document, vous pouvez automatiser une plus grande partie des tâches auxquelles les gens consacrent actuellement leur temps : rassembler des informations, les vérifier et les transférer d’un système à l’autre. Presque tous les processus métier à forts enjeux peuvent se décomposer en étapes où des personnes lisent des documents, prennent des décisions et en alimentent d’autres. Nous voulons devenir, à l’avenir, le moyen par défaut pour les personnes ou les agents d’interagir avec les données documentaires.

Vous comptez parmi vos clients des entreprises nativement spécialisées dans l’IA, comme Harvey, Vanta, Scale AI, Mercor et Rogo, ainsi que de grands établissements financiers et des entreprises du Fortune 10. En quoi les exigences de traitement documentaire d’une jeune entreprise spécialisée dans l’IA diffèrent-elles de celles d’une grande entreprise fortement réglementée ?

Les entreprises nativement spécialisées dans l’IA ont tendance à avancer rapidement, et leurs équipes d’ingénierie veulent une API capable de traiter des documents complexes sans les obliger à créer et à maintenir leur propre infrastructure de traitement. Les grandes entreprises accordent la même importance à la précision, mais elles ont souvent des exigences supplémentaires concernant l’emplacement des données, le déploiement du logiciel, la gestion des pics de volume et la possibilité, pour les utilisateurs, de retrouver la page d’origine d’une valeur extraite. Scale AI, par exemple, utilise Reducto dans des environnements gouvernementaux où la confidentialité et le déploiement sur site sont importants, tandis que Harvey nous a évalués selon des critères de précision, de fiabilité, de coût, de latence et de modes de défaillance avant de passer en production en six semaines environ. Notre collaboration avec ces deux types de clients nous a amenés à nous concentrer autant sur le fonctionnement de Reducto dans les conditions réelles de production que sur sa capacité à traiter avec précision un document donné.

Reducto aurait dépassé les 5 millions de dollars de revenus récurrents annuels, en grande partie grâce à des ventes menées par les fondateurs, avant de se doter d’une équipe commerciale dédiée. Qu’est-ce que vos échanges directs avec ces premiers clients vous ont appris sur les problèmes que les développeurs cherchaient réellement à résoudre ?

Ces conversations nous ont appris à moins parler du traitement des documents en général et à mieux comprendre ce que les clients cherchaient réellement à accomplir. Les premiers appels commerciaux se transformaient souvent en séances de travail : un client nous montrait les documents qui faisaient dérailler son processus, et nous cherchions à comprendre les conséquences en aval des échecs d’extraction. Dans le secteur de la santé, nous avons ainsi pu constater qu’une ligne de tableau manquante ou une unité mal interprétée dans un rapport de laboratoire pouvait retarder une demande de remboursement ou laisser un médecin avec un dossier patient incomplet. Ces enjeux ont redéfini notre exigence en matière de précision : obtenir un excellent résultat à un test de référence ne signifie pas grand-chose s’il masque les erreurs les plus importantes. Les clients avaient besoin de précision, mais aussi de fiabilité, de sécurité, de souplesse de déploiement et de performances prévisibles à grande échelle. Le fait de l’entendre directement a façonné ce que nous avons développé.

Reducto traite désormais des milliards de pages par mois. Quels défis d’ingénierie apparaissent à cette échelle, notamment en matière de latence, de précision, de coût et de constance des résultats pour des types de documents très différents ?

J’ai déjà perdu le compte du nombre de pages que nous traitons. Même une légère inefficacité peut donc rapidement coûter cher. Ajouter des inférences inutiles à chaque page augmente à la fois les coûts et la latence, tandis qu’une optimisation trop agressive de la vitesse peut nuire à la précision sur les documents difficiles. Nous consacrons donc beaucoup d’efforts d’ingénierie à déterminer le niveau de traitement réellement nécessaire pour chaque page.

Avec r-1, nous avons amélioré la précision de l’analyse tout en réduisant la latence et en ramenant le prix à un centime par page. Nous travaillons également à mettre en place un aiguillage plus automatique, afin qu’une page simple ne mobilise pas les mêmes ressources qu’une page contenant un tableau ou une figure complexe. Avec notre volume actuel, ces décisions concernent des millions de pages chaque jour, ce qui fait de l’efficacité un enjeu central d’ingénierie.

Si l’on se projette à plusieurs années, alors que les agents d’IA interagiront de plus en plus avec des contrats, des documents financiers, des articles de recherche, des présentations et d’autres documents d’entreprise, à quoi pensez-vous que devrait ressembler l’interface idéale entre les systèmes d’IA et les informations non structurées du monde ?

Les agents d’IA d’aujourd’hui sont fondamentalement conçus pour le texte. Ils savent très bien raisonner à partir d’informations numériques bien structurées, mais le monde réel repose encore sur des PDF, des feuilles de calcul, des présentations, des documents numérisés, des contrats et des documents financiers. À terme, je pense que les agents devraient pouvoir interagir avec ces documents aussi naturellement qu’ils interagissent aujourd’hui avec un fichier texte.

Les développeurs ne devraient pas avoir à se préoccuper en profondeur de la reconnaissance optique de caractères (OCR), de l’analyse des documents, du choix des modèles ou de leur structure. Un agent devrait pouvoir recevoir n’importe quel fichier, en comprendre le contenu, retrouver la source des informations importantes et les utiliser de manière fiable pour accomplir la tâche qui lui est confiée. L’infrastructure sous-jacente devrait déterminer comment traiter le document, choisir les modèles appropriés et signaler les incertitudes lorsqu’un jugement humain est véritablement nécessaire.

C’est, au fond, la répartition du travail que nous recherchons : les machines prennent en charge les tâches documentaires répétitives, tandis que les personnes consacrent leur temps aux décisions qui exigent du contexte, une connaissance de l’organisation et du discernement. Les documents contiennent une immense quantité des informations sur lesquelles les entreprises s’appuient. Rendre ces informations véritablement accessibles aux agents ouvrira de grandes possibilités et renforcera considérablement l’utilité de l’IA dans les processus opérationnels réels.

Merci pour cet entretien passionnant. Les lecteurs qui souhaitent en savoir plus sur la transformation de documents complexes en données fiables pour les applications d’IA peuvent consulter Reducto.