Landing AI est une plateforme d'intelligence documentaire d'IA au niveau de l'entreprise fondée par Andrew Ng, un universitaire bien connu dans le domaine. Le produit principal est Agentic Document Extraction (ADE), qui fournit un ensemble complet d'API REST pour l'analyse, le fractionnement et l'extraction de champs de documents basés sur des modèles visuels, couvrant des scénarios d'automatisation de documents dans des secteurs ayant des exigences de conformité élevées telles que la finance, les assurances, le médical, le juridique et la logistique.

Examen approfondi et guide d'utilisation de Landing AI

Paramètres et statistiques de base

Paramètre	Valeur
Positionnement du produit	Plateforme d'extraction agentique de documents au niveau de l'entreprise
Formulaire de produit	API REST + Terrain de jeu Web + SDK Python/TypeScript
Fondateur	Andrew Ng, co-fondateur de Coursera, fondateur de Google Brain et ancien scientifique en chef de Baidu
PDG	Dan Maloney
Siège social	Palo Alto, Californie, États-Unis
Établi	2017
Produits de base	Extraction Agentique de Documents (ADE)
Modèle de licence	SaaS commercial + déploiement privé
Certification de conformité	SOC 2 Type II, RGPD, HIPAA (y compris BAA)
Plateformes prises en charge	Web, API REST, SDK Python, SDK TypeScript
Investisseurs majeurs	Snowflake, Insight Partners, Intel Capital, AI Fund, Samsung Catalyst Fund, etc.
Nombre de clients entreprises	50+
Volume de documents traités	Plus d'un milliard d'images et de documents
Organisation GitHub	@landing-ai (33 référentiels)
Dépôt principal	landing-ai/ade-python (⭐1k+), landing-ai/vision-agent (⭐5,3k, obsolète)

La principale forme de livraison de Landing AI est l'API, et les développeurs appellent les fonctionnalités ADE via la bibliothèque client Python ou TypeScript du point de terminaison REST. La plateforme fournit également un Web Playground pour une expérience sans code. Différent des solutions OCR + LLM pures, ADE adopte une architecture axée sur la vision pour obtenir une précision d'analyse plus élevée pour les données non structurées telles que les tableaux complexes, les documents mixtes et les documents numérisés.

Reconnaissance des utilisateurs et du marché

Matrice des clients d'entreprise : le site Web officiel de Landing AI affiche des dizaines de clients d'entreprise mondiaux, notamment Barclays, Morgan Stanley, ABB, AbbVie, Foxconn, Toyota, Deloitte, Intel, AMD, Qualcomm, Thermo Fisher, Siemens Energy, etc., couvrant les secteurs de la finance, des assurances, de la médecine, de l'énergie, du juridique, de la fabrication, de la logistique et d'autres secteurs.

Cas de référence :

• Autyn (Traitement des prêts) : Réduisez le temps de traitement des documents de prêt de 2 heures à 2 minutes avec une précision de 98 % avec ADE.
• GreenLite (Construction Compliance Review) : Réduisez le temps d'examen des plans de 50 % en conjonction avec l'ADE Knowledge Graph.
• Eolas Medical (technologie de la santé) : Construire un moteur Agentic RAG basé sur ADE pour fournir un support immédiat et vérifiable aux scénarios cliniques.
• Institutions financières Fortune 100 : utilisez ADE pour automatiser le contrôle préalable des clients et les rapports réglementaires.

Communauté et écosystème Open Source : l'organisation GitHub @landing-ai dispose de 33 référentiels publics, d'une bibliothèque principale ade-python ⭐1k+, vision-agent (obsolète) ⭐5,3k. De plus, le SDK TypeScript (« ade-typescript ») et plusieurs exemples de projets, scripts auxiliaires et modèles de solutions industrielles sont fournis.

Positionnement sur le marché : par rapport aux solutions d'OCR à usage général (telles que Tesseract, Google Document AI) ou aux solutions d'analyse basées sur LLM, ADE met l'accent sur la priorité du modèle visuel + l'orchestration des agents + la traçabilité complète, et a une compétitivité différenciée dans les secteurs de stricte conformité (finance, médical, juridique).

Avantage de coût

Le modèle de coûts de Landing AI est divisé en trois couches, qui sont respectivement orientées vers des groupes d'utilisateurs de différentes tailles :

Développeurs côté C/individuels : propose un plan de paiement à l'utilisation Explore, achète 100 crédits pour 1 $ et les nouveaux utilisateurs recevront 1 000 crédits gratuits pour la première fois. Chaque traitement de document consomme des crédits en fonction du nombre de pages. Aucune carte de crédit requise pour commencer votre essai. Tests en petits lots adaptés aux scénarios de vérification des développeurs.

Appel développeur/API : le forfait Team fournit un quota de crédits mensuel (veuillez contacter le service commercial pour connaître les prix spécifiques), prend en charge des sièges illimités, des limites de fréquence plus élevées et une assistance améliorée. Idéal pour les équipes ayant des cas d'utilisation confirmés qui ont besoin de SLA stables et d'options de conservation zéro des données (ZDR).

Déploiement entreprise/privé : le plan Entreprise propose des contrats de paiement à l'utilisation ou annuels, prend en charge le déploiement de VPC, la garantie SLA de déploiement sur site, la prise en charge exclusive de la conformité HIPAA/BAA et l'absence de conservation des données. Le prix nécessite une communication commerciale et est soumis au devis officiel en temps réel.

Considérations relatives aux coûts cachés :

• La migration depuis des solutions OCR générales ou open source vers ADE implique des coûts initiaux d'intégration et de définition de schéma, mais elle peut être échangée contre une plus grande précision d'analyse et moins de retouches ultérieures.
• Pour les scénarios de traitement de documents à haute fréquence et à grande échelle, le coût cumulé du mode Crédits doit être évalué au préalable ; le responsable n'a pas divulgué le rapport de conversion précis des crédits par rapport au nombre de pages.
• Le montant initial du contrat et les frais de service du plan de déploiement de la privatisation des entreprises ne sont pas divulgués. Vous devez contacter le service commercial pour obtenir un devis.

Fonctions principales

• Analyser : convertissez les documents variables au format Markdown prêt pour LLM, conservez la structure sensible à la mise en page, prenez en charge la sortie hiérarchique du texte, des tableaux et des images et fournissez les coordonnées de référence au niveau des coordonnées de page pour chaque bloc d'informations. Il existe une section sur le prétraitement des documents pour les pipelines RAG.
• Split : divisez et classez automatiquement les fichiers PDF contenant plusieurs types de documents en sous-documents indépendants, prenant en charge la détection d'instances grâce à des identifiants répétés tels que des numéros de facture, des dates, des identifiants de commande, etc. Convient au traitement par lots de documents mixtes.
• Extraire : extrayez des champs spécifiques de documents en fonction d'un schéma défini par l'utilisateur, prenez en charge les structures plates/imbriquées et l'extraction de tableaux/tableaux multiples, marquez automatiquement les coordonnées de référence du cadre de délimitation et garantissez la traçabilité de l'audit. De l’approbation du prêt à la vérification de la conformité, générez directement du JSON structuré.
• Classifier : classez les documents selon des règles métier et travaillez avec Split pour obtenir une automatisation complète du routage des documents.
• Section : divisez le document en chapitres logiques selon la structure sémantique, facilitant la récupération de blocs des RAG ou des systèmes de gestion des connaissances en aval.
• Build Schema : fournit un outil de définition de schéma, les utilisateurs peuvent déclarer les champs d'extraction requis et les contraintes de type, et la plateforme optimise automatiquement la stratégie d'extraction en conséquence.

Masquer l'effet de liaison

Le principal obstacle concurrentiel d'ADE ne réside pas dans les capacités d'une seule API, mais dans la collaboration de bout en bout de Parse → Split → Extract : Parse garantit que la mise en page des documents est structurée, Split résout le détournement automatique de l'entrée mixte de plusieurs documents et Extract obtient avec précision les champs cibles sous les contraintes de schéma - les trois réalisent ensemble un pipeline transparent depuis la "pile de documents d'origine" jusqu'aux "données structurées qui peuvent être directement saisies dans le système d'entreprise". En conjonction avec le mécanisme de notation de confiance, le système marque automatiquement les champs dont le niveau de confiance est inférieur au seuil d'examen manuel, formant ainsi un contrôle qualité fermé.

Evolution du modèle et de la version

L'évolution des produits de Landing AI s'étend de la vision industrielle à l'intelligence documentaire, et a connu une nette migration des voies technologiques :

Version principale

• 2017-2024 (ère LandingLens) : l'entreprise a débuté avec la plateforme d'inspection de la qualité par vision industrielle LandingLens, fournissant des solutions de détection des défauts de surface basées sur l'IA pour l'industrie manufacturière. À ce stade, les capacités du modèle visuel et du centre de données ont été accumulées, jetant ainsi les bases techniques de l’IA documentaire ultérieure.
• ~2025-06 : DPT-1 : la pile technologique de traitement de documents de première génération est en ligne, migrant les capacités de modèle visuel vers des scénarios de document pour obtenir une analyse de documents basée sur la vision et une sortie structurée.
• ~2025-12 : DPT-2 : Présentation des capacités d'orchestration agentique pour prendre en charge le flux de travail de traitement de documents en plusieurs étapes. Extraction des champs, fractionnement et classification des documents en premier.
• ~2026-06 : DPT-3 (actuel) : La dernière version de l'architecture améliore encore la précision de l'analyse des priorités visuelles et de la couverture de scènes complexes, et améliore la relation entre l'évaluation de la confiance et l'examen manuel.

Vérification des candidats

• vision-agent (⭐5.3k) : un des premiers projets d'agent de vision open source, désormais obsolète et dont la migration vers ADE est officiellement recommandée.
• agentic-doc (⭐2.4k) : la bibliothèque Python précédente d'ADE, archivée, les nouveaux projets doivent utiliser la bibliothèque landing-ai/ade-python.

Avantages techniques

Architecture Vision-first (Vision-first) : La solution OCR + LLM traditionnelle est susceptible de perdre des informations de mise en page ou de créer des hallucinations lors du traitement de tableaux complexes et de documents mixtes à plusieurs colonnes. ADE utilise un modèle visuel auto-développé pour extraire directement les données structurées des images de documents, en conservant le contexte spatial tel que les niveaux de tableaux et les correspondances de légendes, réduisant ainsi considérablement les taux d'erreur sur les documents complexes.

Centré sur les données (pilote du centre de données) : contrairement au fait de s'appuyer uniquement sur l'optimisation des paramètres du modèle pour améliorer la précision, ADE dispose d'une boucle de rétroaction intégrée : les cas de défaillance seront capturés, audités et systématiquement renvoyés aux données de formation pour réduire continuellement la récurrence d'erreurs similaires. Ce mécanisme permet aux entreprises clientes d'afficher une courbe d'amélioration de la précision d'analyse au fil du temps, plutôt que de s'arrêter au niveau atteint au moment du déploiement initial.

Agentic by design : une seule stratégie d'analyse ne peut pas couvrir tous les types de documents. ADE utilise le moteur d'orchestration Agentic pour planifier, décider et valider automatiquement chaque document jusqu'à ce qu'il atteigne un seuil de qualité prédéfini. Cela signifie que le système peut gérer de manière adaptative différentes formes de documents, des tableaux standardisés aux analyses irrégulières, sans avoir besoin de configuration manuelle des règles d'analyse.

Couche de conformité et de sécurité : certification SOC 2 Type II, RGPD, HIPAA (y compris BAA), prend en charge l'option zéro conservation des données (ZDR) et propose trois options flexibles de déploiement cloud, de déploiement VPC et de déploiement local, répondant aux exigences de résidence des données des secteurs strictement réglementés tels que la finance et les soins médicaux.

Comment utiliser

La plateforme ADE de Landing AI propose plusieurs méthodes d'accès :

1. Web Playground (expérience sans code) Visitez https://ade.landing.ai/home, téléchargez des documents pour découvrir les fonctions de base telles que l'analyse et l'extraction en ligne, et vérifiez les effets du produit sans code. Convient aux professionnels et aux évaluateurs débutants.

2. Appel API REST Directement intégré via le point de terminaison officiel de l'API REST, prenant en charge des API indépendantes telles que Parse, Extract, Split, Classify et Section. La documentation détaillée de référence de l'API se trouve sur https://docs.landing.ai/api-reference/parse/ade-parse.

3. SDK Python La bibliothèque ade-python est officiellement fournie (⭐1k+, licence Apache-2.0), méthode d'installation :

pip install landingai-ade

Exemple d'appel Python (sous réserve de la documentation officielle) :

depuis landingai_ade importer ADEClient

client = ADEClient(api_key="<VOTRE_API_KEY>")
résultat = client.parse(document_path="invoice.pdf")
imprimer (résultat.markdown)

4. SDK TypeScript Bibliothèque ade-typescript officiellement fournie (⭐30, licence Apache-2.0) :

npm installer @landing-ai/ade

5. Acquisition de clé API Après avoir enregistré un compte gratuit sur la plateforme ADE (https://ade.landing.ai/home), vous pouvez générer une clé API dans la console. Obtenez 1 000 crédits lors de votre première inscription.

Prix des produits

Landing AI utilise un système de crédits pour la facturation et est consommé en fonction du nombre de pages du document :

Solutions	Utilisateurs cibles	Modèle de facturation	Principales caractéristiques
Explorer	Étape de développement/vérification	Paiement à l'utilisation (crédits de 1 $/100)	1000 crédits gratuits, limites de fréquence standard, support communautaire
Équipe	Équipe	Quota de crédits mensuels (Contacter les ventes)	Sièges illimités, limites de fréquence plus élevées, assistance améliorée, ZDR en option
Entreprise	Entreprise	Contrat Annuel (Contacter les Ventes)	VPC/sur site, support dédié, SLA, HIPAA/BAA, ZDR

Remarque :

• Les prix ci-dessus sont basés sur les normes régionales américaines ; Les prix régionaux de l'UE sont soumis aux documents officiels.
• Également disponible via AWS Marketplace.
• Les termes spécifiques du contrat d'entreprise (durée de conservation des données, engagement de volume de traitement, limite de compensation SLA) doivent être vérifiés élément par élément avec l'équipe juridique avant de signer le contrat.

Scénarios d'application

• Finance et assurance (KYC pour l'approbation des prêts, rapports réglementaires) : extrayez automatiquement les champs clés des relevés bancaires, des formulaires fiscaux, des polices d'assurance et d'autres documents, réduisant ainsi la saisie manuelle de quelques heures à quelques minutes. Objectif de vérification : Vérifiez la précision de l'alignement des lignes et des colonnes de l'ADE pour les données financières tabulaires et la précision de la reconnaissance des champs numériques.
• Médecine et sciences de la vie (gestion des dossiers médicaux, documentation clinique) : convertissez les dossiers médicaux non structurés, les prescriptions et les rapports de laboratoire en données structurées pour prendre en charge les systèmes d'aide à la décision clinique et les questions-réponses RAG. Points clés à vérifier : Confirmez que la conformité HIPAA/BAA est clairement convenue dans le contrat et comment l'option ZDR est réellement configurée.
• Juridique et conformité (examen des contrats, documents de diligence raisonnable) : extrayez et classez automatiquement les champs d'un grand nombre de contrats, de jugements et de documents réglementaires pour aider l'équipe juridique à localiser rapidement les termes clés. Objectif de vérification : évaluez la stabilité d'ADE dans l'analyse des termes juridiques et des documents longs à colonnes mixtes.
• Logistique et chaîne d'approvisionnement (connaissement, déclaration en douane, traitement des factures) : traitez automatiquement les documents par lots tels que les documents d'expédition, les déclarations en douane, les bons de commande, etc. pour accélérer la saisie des données de la chaîne d'approvisionnement. Objectif de vérification : testez l'exactitude de la classification de l'API Split pour les paquets de documents mixtes (tels que les factures + listes de colisage + connaissements contenus dans le même PDF).
• RAG Pipeline Preprocessing : utilise l'API Parse d'ADE pour convertir des documents non structurés au format Markdown afin de fournir une entrée fragmentée de haute qualité aux bases de données vectorielles en aval. Objectif de vérification : comparez la différence entre la qualité de la sortie Markdown par ADE et l'utilisation directe d'outils open source tels que PyMuPDF/Unstructured.

Personnes concernées

• Équipes de traitement de données dans les secteurs de la finance, des assurances et de la médecine : face à un grand nombre de PDF numérisés et de rapports dans différents formats, le mécanisme d'analyse des priorités visuelles et de notation de confiance d'ADE peut réduire considérablement les coûts de révision manuelle. Prérequis : des capacités d'intégration d'API de base et des exigences claires en matière de conditions de conformité (HIPAA, ZDR) sont requises.
• Informatique et automatisation d'entreprise : création d'un flux de travail agentique ou d'un pipeline RAG qui nécessite un niveau intermédiaire d'analyse de documents de haute qualité. Le pipeline Parse → Split → Extract d'ADE peut être directement intégré aux systèmes d'automatisation existants. Précondition : Il est nécessaire d'évaluer l'adéquation des coûts entre le volume actuel de traitement des documents et le mode Crédits.
• Plateforme SaaS B2B et développeurs ISV : les fournisseurs de plates-formes qui ont besoin d'intégrer des fonctionnalités d'analyse de documents dans leurs produits peuvent utiliser l'API et le SDK d'ADE pour une intégration rapide. Prérequis : Faites attention à la limite de fréquence de l'API et à la garantie SLA du contrat d'entreprise.
• Développeurs d'applications d'IA et scientifiques de données : pour les développeurs qui ont besoin de prétraiter des documents non standard pour la formation de modèles ou la construction de pipelines de données, le SDK Python/TypeScript d'ADE fournit un chemin d'accès à bas seuil. Prérequis : 1 000 crédits gratuits suffisent pour réaliser une preuve de concept à petite échelle.
• Scénarios non applicables : scénarios qui nécessitent des solutions open source purement hors ligne et sans coût (telles que l'indexation de documents non haute fréquence dans des bases de connaissances internes) ; des scénarios dans lesquels les formats de documents sont hautement standardisés, les exigences d'analyse sont uniques et la traçabilité d'audit n'est pas requise (dans ce cas, les outils OCR traditionnels peuvent être plus économiques) ; des scénarios où il existe une forte demande pour les documents chinois et où le temps de réponse du support de l'équipe anglaise est sensible (la maturité du support officiel pour les documents chinois reste à confirmer).

Résumé et Outlook

L'extraction de documents agentique de Landing AI représente un exemple important de l'évolution de l'intelligence documentaire au niveau de l'entreprise, du « patchwork OCR + LLM » au « modèle visuel d'abord + orchestration d'agents + auditabilité de bout en bout ». Sa principale compétitivité réside dans les éléments suivants : le pipeline trinité Parse/Split/Extract réalise une conversion unique des documents originaux en données structurées, les scores de confiance et les références de cadre de délimitation fournissent des garanties techniques sous-jacentes pour les audits de conformité, et les options de déploiement VPC/local répondent aux exigences strictes de résidence des données des secteurs financier, médical et autres.

Limites et incertitudes actuelles : L'étendue de la prise en charge par la plateforme des documents en langue chinoise et est-asiatique n'a pas été entièrement divulguée ; le rapport d'échange spécifique entre les crédits et le nombre de pages n'a pas été rendu transparent et les entreprises doivent confirmer le modèle de facturation détaillé avec les ventes avant d'acheter en gros ; la valeur spécifique de la limite de fréquence de l'API n'a pas été divulguée dans les documents publics, et les scénarios à haut débit doivent être vérifiés par de véritables tests de résistance ; le prix de départ et le cycle de livraison du déploiement privatisé ne peuvent être obtenus que par les canaux commerciaux.

Évaluation des risques d'approvisionnement/d'adoption : Il est recommandé aux moyennes et grandes entreprises de procéder au rythme d'un « projet pilote (1 à 2 types de documents + 3 mois) → contrôler l'acceptation (indicateurs quantitatifs basés sur l'exactitude, la vitesse de traitement et le taux d'examen manuel) → expansion progressive » pour éviter d'abord les contrats de gros montant. Avant de signer le contrat, des points clés doivent être vérifiés : les conditions régionales de traitement et de stockage des données (en particulier pour les clients de la région UE), le mode de mise en œuvre spécifique du ZDR, le plafond de compensation du SLA et les conditions de garantie de migration des données lorsque le fabricant arrête la maintenance ou augmente significativement les prix. Pour les équipes de préférence purement open source ou les besoins de traitement de documents standardisés, il est recommandé d'évaluer le retour sur investissement d'alternatives telles que Tesseract + LLM avant de prendre une décision.

Outils associés : midjourney, stable-diffusion

Informations de version

• DPT-3 (plateforme ADE) ：DPT-3 est la dernière version architecturale de la plateforme d'extraction de documents agentique Landing AI, qui améliore les capacités d'analyse de documents axées sur la vision et prend en charge des tableaux plus complexes, des documents multipages et le traitement de documents multilingues. La date de sortie spécifique est soumise aux documents officiels. （~2026-06）
• DPT-2 ：Présentation des fonctionnalités d'orchestration Agentic pour prendre en charge le flux de travail de traitement de documents en plusieurs étapes et l'extraction de champs basée sur le schéma. Il n’y a pas encore de date officielle précise. （~2025-12）
• DPT-1 ：La pile technologique de traitement de documents de première génération, l'analyse de documents et les capacités de sortie structurées basées sur des modèles visuels sont en ligne. Il n’y a pas encore de date officielle précise. （~2025-06）