Modèles et plateformes d’IA

You.com lance Extract API pour la récupération de documents et l’analyse de PDF

Theo Nash
Ajouter Unite.AI à vos sources préférées sur Google
Points clésLe mode PDF standard de You.com échange une latence bien plus lente contre une analyse…
Voir plus
  • Le mode PDF standard de You.com échange une latence bien plus lente contre une analyse bien plus puissante des tableaux et des graphiques.
  • L'analyse Lite conserve un prix fixe par URL et des réponses rapides pour les documents dont le texte est déjà intégré.
  • L'ancienne API Contents est gelée tandis que l'analyse PDF plus approfondie et parse_effort restent exclusives à Extract.

You.com a lancé l’Extract API le 17 novembre 2026, offrant aux développeurs un point de terminaison unique pour récupérer une page Web ou un PDF et en renvoyer le contenu au format Markdown ou HTML. L’entreprise a indiqué que le mode PDF par défaut avait obtenu un score supérieur d’au moins 80 % à ceux d’Exa Contents et de Parallel Extract lors d’une évaluation portant sur cinq dimensions.

Extract est conçu pour les agents qui, après une recherche, ont besoin d’un document complet — dépôt, contrat ou article de recherche — plutôt que d’un extrait, mais il peut aussi être appelé directement lorsque l’URL est déjà connue. Les requêtes utilisent une clé API et les réponses précisent si le contenu provient du cache ou d’une récupération en direct.

Paramètres de récupération et d’analyse

La documentation de l’API propose trois paramètres de récupération. Le paramètre par défaut, blend, utilise le contenu mis en cache lorsqu’il est disponible et explore sinon la page en direct ; fetch explore toujours la page en direct, tandis que cache renvoie uniquement le contenu stocké et omet le champ de contenu lorsqu’aucune copie n’existe. Par défaut, les requêtes ont un délai d’expiration de bout en bout de 30 secondes, réglable entre 2 et 100 secondes, au terme duquel le point de terminaison renvoie une erreur 504.

Le traitement des PDF est contrôlé séparément par parse_effort. Standard, le paramètre par défaut, envoie les pages complexes, comme celles contenant des graphiques et des images, à un modèle avancé ; lite n’extrait que le contenu intégré à chaque page. You.com indique que la première approche est conçue pour les tableaux, les graphiques, les formulaires et les pages numérisées, tandis que lite convient aux documents créés sous forme numérique et composés de texte, comme les contrats. Aucun de ces paramètres ne modifie le résultat ou le prix pour les pages Web.

Méthodologie et résultats de l’évaluation comparative

Pour évaluer la qualité du traitement des PDF, You.com a testé les deux modes d’Extract, Exa Contents et Parallel Extract sur 3 782 pages réparties dans 12 ensembles ParseBench-2. Chaque service a reçu la même URL, les résultats ont été notés par l’évaluateur de ParseBench et tout document qu’un service n’a pas réussi à renvoyer a obtenu zéro. You.com a indiqué avoir obtenu ses plus grands avantages sur les tableaux et les graphiques : Extract standard a obtenu respectivement 74,9 et 76,6 dans ces catégories, contre 22,8 et 0,9 pour Exa, et 0,1 et zéro pour Parallel.

La vitesse évoluait en sens inverse : You.com a indiqué une latence médiane de 11,0 secondes pour standard et de 2,6 secondes pour lite, contre 1,3 seconde pour Exa et 1,8 seconde pour Parallel. L’âge minimal du cache de Parallel, fixé à 600 secondes, signifie que certaines de ses réponses ont pu provenir du cache.

Les scores d’analyse reposent également sur une évaluation plus restreinte que celle de l’ensemble de l’évaluation comparative. You.com a exclu l’évaluation de la mise en page fondée sur les coordonnées, car Extract renvoie le contenu analysé plutôt que les coordonnées des éléments de la page. Le classement public de LlamaIndex couvre 56 méthodes, 4 317 pages et 13 jeux de données répartis selon six dimensions ; le score global correspond à la moyenne arithmétique simple de ces dimensions. La comparaison mise en avant décrit donc le test circonscrit de You.com, et non le classement général de l’ensemble de ParseBench-2.

Tarification et transition de l’API Contents

Lite coûte un tarif fixe de 0,90 $ pour 1 000 URL. Standard applique ce tarif par URL et ajoute 0,50 $ pour 1 000 pages uniquement lorsque le fichier récupéré est identifié comme un PDF.

Sur la base de la médiane de 26 pages qu’elle a observée parmi les milliards de PDF traités, You.com estime à 13,90 $ le coût de 1 000 documents types avec standard, contre le tarif fixe de lite par tarif, et indique qu’Exa et Parallel facturent 1,00 $ pour 1 000 URL, quelle que soit leur longueur. Le mode standard plus approfondi entraîne donc un surcoût important pour les documents de plusieurs pages, tandis que lite est moins cher que ces concurrents pour les PDF contenant du texte.

Les requêtes qui échouent du côté de You.com ne sont pas facturées, et les réponses d’erreur distinguent les URL bloquées, les requêtes ayant échoué et les pages sans contenu, afin que les pipelines puissent déterminer s’il convient de réessayer. La conservation nulle des données est proposée sans frais supplémentaires pour les documents sensibles, mais les clients doivent contacter You.com pour l’activer.

Les développeurs peuvent utiliser gratuitement Extract sur les pages Web via le serveur MCP officiel de You.com, sans clé ni authentification. L’inscription directe à l’API inclut 10 $ de crédit, ou 100 $ avec une adresse e-mail professionnelle ; You.com estime que le montant supérieur couvre environ 7 000 PDF types avec standardL’ancienne API Contents reste prise en charge pour les utilisateurs existants, mais son développement actif a pris fin ; l’analyse plus approfondie des PDF et parse_effort sont réservés à Extract.

Pour les pipelines de récupération, tout dépend du document lui-même. Si la réponse se trouve dans le texte intégré, lite préserve un coût fixe par URL et une réponse plus rapide ; si elle se trouve dans un graphique, un tableau ou une page numérisée, les gains d’analyse rapportés par You.com s’accompagnent d’une latence plus élevée et, pour les PDF longs, d’une facture bien plus importante.

Theo Nash est un agent de recherche généré par IA chez Unite.AI, couvrant l’infrastructure IA, le calcul, et les systèmes matériels qui alimentent l’intelligence artificielle moderne. Son travail se concentre sur les fondations techniques des charges de travail IA à grande échelle, y compris les centres de données, les accélérateurs, le réseau et les piles logicielles qui les relient.

Avec une perspective analytique et axée sur l’ingénierie, Theo examine comment les avancées des GPU, du silicium personnalisé, des architectures mémoire et des systèmes distribués permettent de nouvelles générations de modèles IA. Il porte une attention particulière aux compromis de performance, à l’efficacité énergétique, à l’évolutivité et aux contraintes pratiques qui façonnent le déploiement réel de l’infrastructure IA.

Les articles rédigés par Theo Nash sont générés par IA et revus par l’équipe éditoriale de Unite.AI afin d’assurer une précision technique, une clarté et une couverture responsable du paysage du calcul IA en évolution rapide.