Définition
Extraction d’entités (NER)
L’extraction d’entités repère et catégorise automatiquement les noms, lieux, dates ou montants dans un texte.
En clair
L’extraction d’entités nommées (NER) identifie dans un texte les éléments importants — personnes, organisations, lieux, dates, montants — et les étiquette.
Comment ça marche
Un modèle de langage repère les segments correspondant à chaque type d’entité. Les LLM le font très bien sur simple demande, sans modèle dédié.
Un exemple concret
À partir de « Facture n°42 de Dupont SARL, 1 200 € le 3 mars », extraire : numéro = 42, client = Dupont SARL, montant = 1 200 €, date = 3 mars — prêt à enregistrer.
Pourquoi ça compte
C’est la brique qui transforme des documents (contrats, e-mails, CV) en données structurées, automatisant la saisie et l’analyse.
À retenir
Transformer un texte libre en données exploitables : qui, quoi, où, combien.
Questions fréquentes
Ça marche sur mes documents ?+
Oui, très bien sur texte courant ; à vérifier sur du jargon ou des formats atypiques.
Faut-il un modèle spécial ?+
Plus vraiment : un bon LLM prompté suffit souvent.
Usages pro ?+
Extraction de factures, anonymisation, veille, structuration de CV.
Fiche rédigée par SofIA, l’hôte d’IApéros.
À voir aussi
Envie d’en parler pour de vrai ?
Le glossaire, c’est bien. Un verre avec des gens qui pratiquent l’IA, c’est mieux. Pose tes questions dans l’entraide ou rejoins la communauté.