Retab lève 3,5 millions de dollars et lance une plateforme alimentée par l’IA pour transformer les documents désorganisés en données structurées

Pour les développeurs qui créent des outils alimentés par l’IA dans des secteurs tels que la logistique, la finance et les soins de santé, un défi constant se dresse sur leur chemin : obtenir que les grands modèles de langage (LLM) extraient de manière fiable les données des documents du monde réel. Les factures PDF, les rapports de 200 pages, les formulaires manuscrits et les pièces d’identité scannées font souvent trébucher des systèmes AI autrement puissants.

Retab, une nouvelle startup fondée par des ingénieurs qui ont rencontré ce problème en premier lieu, vient de lancer pour résoudre ce problème. En même temps que le lancement public de sa plateforme, l’entreprise a également annoncé un financement de 3,5 millions de dollars en pré-amorçage mené par VentureFriends, Kima Ventures, et K5 Global, avec la participation d’Eric Schmidt (via StemAI), Olivier Pomel (PDG, Datadog (DDOG )), et Florian Douetteau (PDG, Dataiku).

Plutôt que de fournir un autre fournisseur de LLM, Retab se situe à un niveau supérieur – offrant une plateforme de premier plan pour l’IA de document qui permet aux utilisateurs de définir exactement les données qu’ils veulent extraire, puis gère l’ensemble du processus : étiquetage, évaluation, ingénierie de prompt, benchmarking de modèle et routage.

« Les gens continuent de créer des démos d’IA qui semblent magiques mais qui se décomposent en production », a déclaré Louis de Benoist, co-fondateur et PDG de Retab. « Nous avons créé Retab parce que nous étions fatigués de brancher des pipelines fragiles pour ne serait-ce qu’extraire quelques champs d’un document. Maintenant, les développeurs peuvent se concentrer sur le schéma qu’ils veulent – nous nous occupons du reste. »

Ce que Retab fait réellement

Au cœur de Retab, il transforme des documents non structurés – PDF, scans, formulaires – en sorties propres et structurées au format JSON ou tabulaire que les développeurs peuvent intégrer dans les systèmes de production. Conçu comme un SDK et une plateforme, il abstrait toute la complexité de la création de flux de travail d’extraction de données alimentés par l’IA.

Les entreprises utilisant Retab décrivent simplement le schéma des données qu’elles veulent. Retab génère ensuite automatiquement des ensembles de données étiquetés, sélectionne les LLM optimaux, affine les invites et gère la détection d’erreurs et la logique de réessai. Il assure une précision de production de niveau grâce à trois innovations clés :

• Schémas auto-optimisés : Retab utilise un agent AI interne pour tester et affiner de manière itérative les instructions d’extraction en utilisant de véritables exemples, éliminant ainsi le besoin de réglage manuel.
• Routage de modèle intelligent : La plateforme est agnostique en termes de modèle et évalue automatiquement les LLM (par exemple, OpenAI, Anthropic, Google ), acheminant chaque document vers le meilleur modèle en fonction des coûts, de la vitesse et des exigences d’exactitude. Cela a permis à certains utilisateurs de réduire les coûts de traitement de jusqu’à 100 fois.
• Consensus k-LLM et raisonnement guidé : Au lieu de s’appuyer sur la sortie d’un seul modèle, Retab impose un raisonnement étape par étape (chaîne de pensée) et exécute plusieurs modèles en parallèle pour parvenir à un consensus. Si l’incertitude persiste, elle est signalée ou recalculée, donnant aux développeurs confiance dans chaque réponse.

Cette couche d’orchestration donne aux développeurs le pouvoir de transformer des flux de documents sujets à des erreurs – comme l’analyse de contrats, la vérification d’identité ou l’analyse de factures – en systèmes évolutifs et auto-correctifs.

De la logistique à l’infrastructure

Les fondateurs ont initialement construit la base de Retab en automatisant les processus internes pour les opérations lourdes de documents dans l’industrie de la logistique. Mais à mesure qu’ils affinaient l’outillage, ils ont réalisé que sa valeur dépassait de loin tout cas d’utilisation unique. Aujourd’hui, Retab est déjà utilisé par des dizaines d’entreprises dans des secteurs tels que :

• Logistique : Analyse des connaissements, des manifestes de douane et des dossiers de livraison
• Finance : Extraction de facteurs de risque et de métriques financières à partir de rapports longs
• Santé : Automatisation des formulaires d’admission, des réclamations et des dossiers médicaux

Une entreprise de camionnage a utilisé Retab pour identifier la plus petite configuration de modèle la plus rapide qui répondait à ses exigences d’exactitude de 99 % – réduisant ainsi les coûts de calcul et la latence sans sacrifier les performances. Une société financière a réduit de plusieurs jours son analyse trimestrielle en utilisant Retab pour extraire des indicateurs de risque structurés à partir de documents d’investisseurs.

« L’économie de l’IA dépend de la transformation de documents désorganisés et lisibles par l’homme en données structurées et vérifiables », a déclaré Florian Douetteau, PDG de Dataiku. « Retab est la plateforme qui rend ce saut possible à grande échelle. »

Regard vers l’avenir

Retab s’étend désormais au-delà des documents : les prochaines versions permettront aux utilisateurs d’extraire des données à partir de pages Web et de contenu dynamique, ouvrant la voie à des cas d’utilisation tels que l’analyse concurrentielle, le grattage de conformité et l’automatisation de l’intégration. Des intégrations avec des outils tels que Zapier, n8n et Dify sont également en cours, permettant à Retab de s’intégrer dans les flux de travail existants sans code personnalisé.

À long terme, Retab vise à devenir la couche intermédiaire entre les données non structurées du monde et les agents AI qui en dépendent – que ce soit pour la recherche d’entreprise, la RPA ou les copilotes AI.

Malgré ses dix employés, Retab est déjà reconnu comme un bloc de construction fondamental pour les développeurs qui créent des produits natifs AI – et non simplement un autre fournisseur, mais un ensemble d’outils pour opérationnaliser la réalité désorganisée des données du monde réel.