Diego Pérez SastreMis à jour: Choisissez LandingAI ADE pour un parsing vision-first avec citations par coordonnées dans une pile orientée code ; choisissez anyformat pour une confiance calibrée, des workflows sans code et une juridiction européenne. Les deux ancrent visuellement, mais LandingAI documente sa confiance comme expérimentale et non comme une probabilité d'exactitude, là où anyformat mesure 99,1 % de précision de calibration.
| Fonctionnalité | anyformat | LandingAI |
|---|---|---|
| Souveraineté des données UE | Oui | Non |
| ISO 27001 | Oui | Non |
| RGPD natif | Oui | Partiel |
| Zéro rétention de données | Oui | Oui |
| Déploiement on-premise | Oui | Oui |
| Créateur de workflows no-code | Oui | Non |
| Extraction zero-shot | Oui | Oui |
| Score de confiance par champ | Oui | Partiel |
| Extraction de tableaux complexes | Oui | Oui |
| Détection et explication des figures | Oui | Oui |
Agentic Document Extraction est la plateforme de document intelligence de LandingAI, lancée vers mars 2025 et reconstruite en septembre 2025 sur DPT-2, un transformer pré-entraîné sur documents qui traite la page comme un système visuel et non comme un flux de texte. LandingAI a été fondée par Andrew Ng et son siège se trouve à Palo Alto, en Californie ; l'entreprise vend également LandingLens, une plateforme distincte de vision par ordinateur sans code destinée à l'inspection industrielle, qui ne partage rien avec ADE hormis la société. ADE expose six API REST (Parse, Extract, Split, Classify, Section et Build Schema), avec des bibliothèques Python et TypeScript, et accepte les PDF, les images, les fichiers Office et les tableurs. Un job de parsing est plafonné à 1 Go ou 6 000 pages, et le playground hébergé à 100 pages (documentation LandingAI, 2026).
Les deux plateformes extraient en zero-shot contre un schéma défini par l'utilisateur, sans exemples annotés ni entraînement de modèles de gabarit : aucune ne l'emporte sur ce point. L'API Extract d'ADE accepte un schéma JSON avec structures plates, imbriquées, en tableau et multi-tables, une API Build Schema en rédige un brouillon à partir d'un document exemple, et le parsing est agnostique à la mise en page par conception (documentation LandingAI, 2026). anyformat extrait contre un schéma de la même manière sur plus de 100 formats et associe au modèle des règles de validation déterministes, si bien qu'un champ peut être contraint et pas seulement prédit. La différence opérationnelle tient à qui possède le schéma : ceux d'ADE vivent dans du code qu'un développeur déploie, tandis que ceux d'anyformat sont modifiés dans le produit par les équipes métier, sans cycle de release.
LandingAI pratique réellement l'ancrage visuel, et ce n'est pas un différenciateur d'anyformat : chaque bloc analysé et chaque champ extrait renvoie un numéro de page et des coordonnées de cadre englobant, y compris l'ancrage au niveau de la cellule de tableau, et Extract renvoie une valeur de confiance par champ de 0 à 1 dans ses métadonnées d'extraction (documentation LandingAI, 2026). La différence porte sur la calibration. Le guide de LandingAI décrit ce score comme un signal relatif de tri et non comme une probabilité d'exactitude, recommande 0,95 comme seuil de départ et qualifie la confiance de fonctionnalité expérimentale, dans laquelle les tableaux et les champs à formatage personnalisé renvoient null (documentation LandingAI, 2026). La confiance par champ d'anyformat est calibrée, mesurée à 99,1 % de précision de calibration avec un Adaptive ECE de 0,009 (benchmark anyformat, 2026), et chaque valeur porte une citation visuelle la reliant à sa position exacte sur la page. La calibration est ce qui rend un seuil de traitement automatique défendable devant un auditeur : un signal relatif ne vous dit pas quelle proportion de champs approuvés automatiquement sera fausse, alors qu'un signal calibré le fait.
ADE est une API d'extraction et non une plateforme d'orchestration, et LandingAI l'affirme sans détour : son propre matériel comparatif décrit ADE comme orienté développeurs, nécessitant du code Python pour construire des pipelines d'extraction récurrents, et inadapté aux équipes qui veulent une automatisation récurrente entièrement sans code (LandingAI, 2026). Le routage par confiance réside dans le pipeline que le client écrit, et l'interface de revue qui affiche une valeur, son score et son emplacement d'origine est documentée comme une indication de ce que le client devrait construire. anyformat livre cette couche comme surface produit : un constructeur visuel de workflows (Studio) avec branchements, conditions, classification, découpage et routage, plus une file de revue où la valeur corrigée revient dans l'exécution et repart vers les systèmes en aval. Mettre en place un workflow de production avec l'assistant Annie prend environ 5 minutes, contre à peu près 4 heures de configuration manuelle (benchmark interne anyformat, 2026).
ADE facture des crédits à 0,01 $ pièce, avec Parse à 3 crédits par page, ou 4 avec la rétention zéro activée, ce qui porte la page analysée à 0,03 $ et 0,04 $ respectivement, soit 30 $ et 40 $ pour 1 000 pages (documentation LandingAI, 2026). Extract, Split, Section et Build Schema sont facturés au caractère et non à la page, à raison de 1 crédit pour 5 000 caractères en entrée et 1 crédit pour 1 000 caractères en sortie : le coût d'extraction suit donc la densité du document plutôt que le nombre de pages et se prévoit plus difficilement par document ; Classify coûte 0,5 crédit par page. Les offres sont Explore à l'usage avec 1 000 crédits gratuits expirant au bout de 90 jours, Team à partir de 250 $ par mois pour 25 000 crédits, et Enterprise sur devis (tarifs LandingAI, 2026). anyformat facture des crédits par page et par opérateur, à 10 crédits pour 0,01 € : Parse coûte 25 crédits par page (0,025 €, publié comme 25 $ pour 1 000 pages), Extract 35, Classify 10, Split 25 et Validate 25 crédits par règle (tarifs anyformat, 2026). Au tarif public, un abonnement Team à 250 $ couvre environ 8 300 pages analysées par mois, tandis que l'offre Business à 499 € couvre 500 000 crédits, soit environ 20 000 pages analysées, et la rétention zéro y est un contrôle inclus dans Enterprise plutôt qu'un surcoût à la page.
Le chiffre publié par LandingAI est de 99,16 % sur le jeu de validation DocVQA, avec 5 286 réponses correctes sur 5 331 questions à partir du seul texte analysé, et une méthodologie reproductible depuis un dépôt public (LandingAI, 2026). C'est une transparence réelle sur les benchmarks, meilleure que celle de la plupart du marché, mais elle mesure si la sortie analysée permet de répondre à une question, et non si un schéma à nombreux champs s'extrait correctement sur des types de documents variés. anyformat a obtenu 78,1 % sur un score de parsing combiné portant sur plus de 1 000 documents réels de plus de 30 types (benchmark anyformat, 2026), a maintenu environ 99 % de récupération de lignes sur des tableaux atteignant 50 pages et près de 2 400 lignes, et a extrait 94 % des factures complexes multi-formats avec tous les champs et toutes les lignes corrects (benchmark anyformat, 2026). Sur les figures, les deux sont à égalité : ADE détecte des blocs de type figure, logo, carte et code-barres et en renvoie des descriptions concises, et anyformat classe les éléments visuels en contexte et renvoie des descriptions structurées.
LandingAI est une société américaine soumise à la juridiction des États-Unis, détient SOC 2 Type II, revendique la conformité au RGPD et à HIPAA, et ne publie la norme ISO 27001 sur aucune de ses pages de sécurité (sécurité LandingAI, 2026). Ses options de déploiement sont sérieuses : un déploiement dédié d'ADE dans l'UE sur AWS Irlande, avec son propre portail et des clés d'API non interchangeables avec celles des États-Unis, un déploiement conteneurisé dans un VPC géré par le client sur AWS, Azure ou GCP, une option sur site en Enterprise, et une Snowflake Native App. La rétention zéro traite les documents en mémoire sans rien conserver au repos, sur les offres Team et Enterprise, moyennant un crédit supplémentaire par page. anyformat est native européenne et certifiée ISO 27001 sur l'ensemble du pipeline documentaire, avec traitement en rétention zéro et déploiement en cloud, cloud privé ou sur site en environnement air-gapped. Une région européenne relève de la résidence des données, pas d'un changement de juridiction, et pour les acheteurs soumis au RGPD ou à DORA, c'est précisément cette distinction que pose le service achats.
Une suite d'évaluation et le pipeline de production autour de l'extraction. La qualité d'extraction n'est qu'une variable ; la maintenir correcte après la mise en production est là où les projets documentaires dépensent l'essentiel de leur budget d'ingénierie.
Les évaluations, disponibles aujourd'hui. Chaque workflow Extract et Classify d'anyformat dispose d'un onglet Health. Vous constituez un jeu de données avec une vérité terrain vérifiée, soit en promouvant un document déjà traité par le workflow et en confirmant ses valeurs dans l'interface de revue, soit en téléversant des documents annotés avec le JSON attendu. Les fichiers sont étiquetables en sous-jeux de données, si bien que la précision se lit par fournisseur, par type de document ou par tranche de difficulté plutôt que comme une moyenne unique. Une évaluation ré-extrait chaque document concerné contre une version choisie du workflow et le note champ par champ, avec une vue résultat contre attendu sur chaque échec ; les exécutions sont numérotées et immuables, si bien que l'effet d'un changement est mesuré et non supposé. Health Overview place ensuite le benchmark du jeu de données à côté de la précision, de la confiance et du taux de passage en production réelle, et rapporte l'écart entre les deux (Evals). LandingAI publie un benchmark de recherche sur un jeu de données public, ce qui constitue un signal de crédibilité plus qu'une fonctionnalité destinée au client : ni gestionnaire de jeux de données de vérité terrain, ni découpage en sous-jeux, ni historique immuable des exécutions, ni comparaison benchmark contre production n'apparaissent dans ADE.
Optimizer, annoncé et pas encore disponible. anyformat a annoncé Optimizer, un workflow qui s'ajuste lui-même contre son propre jeu de données en prenant vos évaluations pour cible. Il figure sur la feuille de route, pas dans le produit d'aujourd'hui (Evals).
Le pipeline que vous n'avez pas à construire. ADE renvoie du markdown, du JSON hiérarchique, des coordonnées de blocs et des champs conformes au schéma, ce qui constitue une primitive d'extraction solide. La production exige en outre la classification et le routage, la validation de schéma, la gestion des reprises, une interface de revue, le suivi de la précision et un réajustement à chaque changement de mise en page ou de modèle sous-jacent, et le guide de LandingAI attribue ce pipeline au code Python du client. anyformat le livre comme produit : workflows sans code dans Studio, confiance calibrée par champ avec routage vers la revue, citations visuelles pour l'audit et la boucle d'évaluation décrite ci-dessus.
Choisissez LandingAI lorsque vous disposez d'ingénieurs qui veulent une primitive d'extraction propre et bien documentée et acceptent d'assumer le pipeline qui l'entoure. L'ancrage d'ADE est minutieux, sa méthodologie DocVQA est publiée et reproductible, son modèle DPT-2 est conçu spécifiquement pour les mises en page visuelles denses, et un job de parsing de 1 Go ou 6 000 pages, avec la Snowflake Native App et le déploiement dans le VPC du client, couvre des exigences techniques élevées. Si vous construisez du RAG ou de la recherche documentaire plutôt qu'un back-office opérationnel, si la juridiction américaine et SOC 2 Type II satisfont votre cadre de conformité, et si un démarrage à l'usage avec 1 000 crédits gratuits convient à votre évaluation, c'est un bon choix.
Choisissez anyformat lorsque la confiance doit être calibrée et non simplement indicative, parce qu'un seuil de traitement automatique n'est défendable que si le score correspond à une probabilité réelle ; lorsque ce sont les équipes métier et non les développeurs qui doivent posséder les schémas et les workflows ; lorsque la juridiction européenne et l'ISO 27001 sont des exigences d'achat qu'une région européenne seule ne satisfait pas ; ou lorsque vous voulez que les changements de workflow soient mesurés contre un jeu de données de vérité terrain avant d'atteindre la production.
Les équipes qui comparent les deux plateformes aboutissent généralement aux trois mêmes points : qui écrit l'orchestration, si le chiffre de confiance tient devant un audit, et quel droit gouverne les données.
Agentic Document Extraction de LandingAI est un ensemble de six API REST (Parse, Extract, Split, Classify, Section et Build Schema) qu'un développeur appelle depuis Python ou TypeScript. anyformat est une plateforme : les mêmes primitives d'extraction, plus un constructeur de workflows sans code, une file de revue humaine, une confiance calibrée par champ et une suite d'évaluation, le tout utilisable par des profils non techniques. La question pratique est de savoir si votre équipe veut écrire et maintenir l'orchestration autour de l'extraction ou la consommer comme produit.
Oui. L'API Extract renvoie une valeur de confiance de 0 à 1 par champ dans ses métadonnées d'extraction, et Parse renvoie une confiance sur les types de blocs pris en charge. LandingAI décrit ce score comme un signal relatif de tri et non comme une probabilité d'exactitude, recommande 0,95 comme seuil de départ et qualifie la fonctionnalité d'expérimentale, les tableaux et les champs à formatage personnalisé renvoyant null. La confiance par champ d'anyformat est calibrée, mesurée à 99,1 % de précision de calibration avec un Adaptive ECE de 0,009 (benchmark anyformat, 2026).
Oui, et il s'agit d'une véritable parité, pas d'une différence. ADE renvoie un numéro de page et des coordonnées de cadre englobant pour chaque bloc analysé et chaque champ extrait, y compris l'ancrage jusqu'à la cellule de tableau. anyformat renvoie le même type de citation visuelle reliant chaque valeur à sa position exacte sur la page : une évaluation devrait donc porter sur ce que signifie réellement le chiffre de confiance attaché à cette valeur, et non sur le fait que des coordonnées soient renvoyées.
Les crédits ADE coûtent 0,01 $ pièce et Parse en consomme 3 par page, ou 4 avec la rétention zéro activée : la page analysée revient donc à 0,03 $ ou 0,04 $, soit 30 $ ou 40 $ pour 1 000 pages. Extract, Split et Section sont facturés au caractère et non à la page, si bien que le coût d'extraction suit la densité du document. anyformat facture des crédits par page et par opérateur, à 10 crédits pour 0,01 €, ce qui place Parse à 25 crédits par page, publié comme 25 $ pour 1 000 pages, la rétention zéro étant incluse dans Enterprise plutôt que facturée à la page.
LandingAI détient SOC 2 Type II et revendique la conformité au RGPD et à HIPAA, mais ne publie la norme ISO 27001 sur aucune de ses pages de sécurité. Elle propose en revanche un déploiement dédié d'ADE dans l'UE sur AWS Irlande, avec son propre portail et des clés d'API non interchangeables avec celles des États-Unis. C'est de la résidence des données et non un changement de juridiction : la société reste américaine et soumise au droit américain, alors qu'anyformat est native européenne et certifiée ISO 27001 sur l'ensemble du pipeline documentaire.
Non. Le matériel comparatif de LandingAI décrit ADE comme orienté développeurs, nécessitant du code Python pour construire des pipelines d'extraction récurrents et inadapté aux équipes qui veulent une automatisation récurrente entièrement sans code. Le routage par confiance réside dans le pipeline que le client écrit, et l'interface de revue est documentée comme quelque chose que le client devrait construire. anyformat inclut un constructeur visuel de workflows avec branchements et routage, ainsi qu'une file de revue où la valeur corrigée revient dans l'exécution.
anyformat fait le gros du travail sur les documents qui font échouer d’autres outils. Parsez, extrayez et validez-les en données propres et fiables, et passez en production en quelques minutes.
Sans carte bancaire · 50 000 crédits gratuits pour commencer
