Structurer le traitement des appels d’offres
Une architecture orientée services pour collecter, structurer et enrichir les données d’appels d’offres.
Le besoin métier
Les données d’appels d’offres arrivent sous des formats hétérogènes. Leur exploitation nécessite une collecte, une normalisation et une extraction d’informations avant les traitements métier.
Mon rôle
Projet personnel : architecture et développement de services d’ingestion, de traitement documentaire et d’exposition des données métier.
Le fonctionnement
Python et FastAPI prennent en charge l’ingestion. LangChain et Ollama interviennent dans l’extraction structurée. Spring Boot et Spring Batch portent les API et les traitements batch ; PostgreSQL assure la persistance.
Un choix d’architecture
La séparation entre traitement IA, batch et services métier permet d’isoler leurs responsabilités et de les conteneuriser indépendamment avec Docker.
Limites et état du projet
L’extraction LLM doit être vérifiée sur des documents représentatifs. La qualité des sources, les formats et les erreurs d’extraction conditionnent la fiabilité du résultat.
Un besoin similaire ?
Décrivez votre processus, vos contraintes et votre objectif. Échangeons sur une approche adaptée.
Parlons de votre projet