Plateforme documentaire intelligente

De n'importe quel document à une décision vérifiée.

Cogneris est une API d'extraction de document AI. Classez le document, analysez chaque page et extrayez les champs que vous définissez, chaque valeur étant vérifiée selon vos règles et reliée à la page dont elle provient.

Réponse médiane 150 ms · p95 API 321 ms Chiffrement par tenant Prêt pour l'audit

Obtenez 400 crédits gratuits Lire le guide de démarrage rapide

Sans carte bancaire. 400 crédits pendant 14 jours. Ou parlez à notre équipe.

La conformité, preuves à l'appui · chaque affirmation renvoie au document qui la fonde · voir les preuves →

Catalogue des API documentaires

Commencez par le document. Suivez le flux.

Capturez les documents courants de l'entreprise, extrayez les dossiers complexes et vérifiez l'identité ou les preuves d'un sinistre. Chaque lien ouvre la page d'API du type de document.

Capture

Transformez des documents opérationnels à fort volume en enregistrements structurés.

FacturesPopulaire ReçusPopulaire Bons de commande Chèques Relevés bancairesTendance Connaissements Preuve de livraison

Extraction

Lisez des fichiers longs, variables et multi-documents, avec la preuve à la source.

Paie et W-2 Déclarations fiscales Contrats Formulaires ACORD Relevés de prestations Dossiers de prêt immobilier Analyse financière

Vérification

Recoupez l'identité, l'éligibilité, l'adresse et les preuves d'un sinistre.

Documents KYCTendance Cartes d'identité et passeports Justificatif de domicile Cartes d'assurance maladie Sinistres d'assurance Traitement des sinistres

Solutions modulaires

Combinez les produits selon votre flux — une chaîne documentaire sur mesure.

Extraction intelligente

Reconnaît identifiants, dates, totaux et tableaux — avec le contexte, pas des expressions régulières. Classification configurable par tenant et extraction zero-shot.

Interrogez vos documents

Conversation naturelle avec des PDF, contrats et rapports. Les questions-réponses documentaires sont en diffusion limitée ; la couverture des citations varie selon le flux et la réponse.

Workflows automatisés

Déclenchez des webhooks, mettez des travaux en file et poussez les champs extraits directement dans votre ERP, CRM ou entrepôt de données.

Hub documentaire

Un référentiel unique avec versionnage, recherche sémantique et permissions fines par équipe ou par client.

Essayer

Lisez le résultat avant de parler à qui que ce soit.

Quatre documents passés par l'API d'extraction, avec la réponse que nous renvoyons — chaque champ portant son propre indice de confiance sur une échelle de 0–100 et, lorsque la valeur a été localisée, la page et le cadre d'où elle provient.

vendor_name Acme Industries Ltd. 98
invoice_number INV-2026-0417 99
invoice_date 2026-04-17 97
total_amount 12,480.50 USD 99

{
  "data": {
    "id": "9d8a7c6e-1b2f-4a3d-9e8f-7c6d5b4a3210",
    "metadata": {
      "vendor_name": {
        "value": "Acme Industries Ltd.",
        "confidence": 98,
        "page": 1,
        "bbox": [
          0.13,
          0.14,
          0.67,
          0.17
        ],
        "bbox_confidence": 92
      },
      "invoice_number": {
        "value": "INV-2026-0417",
        "confidence": 99,
        "page": 1,
        "bbox": [
          0.7,
          0.15,
          0.92,
          0.17
        ],
        "bbox_confidence": 95
      },
      "invoice_date": {
        "value": "2026-04-17",
        "confidence": 97,
        "page": 1,
        "bbox": [
          0.7,
          0.18,
          0.92,
          0.21
        ],
        "bbox_confidence": 90
      },
      "total_amount": {
        "value": 12480.5,
        "currency": "USD",
        "confidence": 99,
        "page": 3,
        "bbox": [
          0.7,
          0.82,
          0.92,
          0.85
        ],
        "bbox_confidence": 96
      },
      "line_items": [
        {
          "description": {
            "value": "Annual platform subscription",
            "confidence": 97,
            "page": 2,
            "bbox": [
              0.1,
              0.39,
              1.16,
              0.42
            ],
            "bbox_confidence": 94
          },
          "quantity": {
            "value": 12,
            "confidence": 94
          },
          "unit_price": {
            "value": 249.0,
            "currency": "USD",
            "confidence": 96
          }
        }
      ]
    },
    "createdDate": "2026-05-19T13:42:11Z"
  },
  "meta": {
    "httpStatusCode": 200,
    "messages": []
  },
  "hasErrors": false
}

account_holder Northwind Trading LLC 98
account_number_masked ••••4417 99
period_end 2026-03-31 99
closing_balance 48,210.75 USD 96

{
  "data": {
    "id": "6f1d4b20-7a8e-4c93-b6f2-1d5a8e9c3047",
    "metadata": {
      "account_holder": {
        "value": "Northwind Trading LLC",
        "confidence": 98,
        "page": 1,
        "bbox": [
          0.1,
          0.12,
          0.63,
          0.15
        ],
        "bbox_confidence": 91
      },
      "account_number_masked": {
        "value": "****4417",
        "confidence": 99,
        "page": 1,
        "bbox": [
          0.1,
          0.16,
          0.38,
          0.19
        ],
        "bbox_confidence": 92
      },
      "period_end": {
        "value": "2026-03-31",
        "confidence": 99,
        "page": 1,
        "bbox": [
          0.1,
          0.2,
          0.38,
          0.22
        ],
        "bbox_confidence": 91
      },
      "closing_balance": {
        "value": 48210.75,
        "currency": "USD",
        "confidence": 96,
        "page": 6,
        "bbox": [
          0.62,
          0.78,
          0.92,
          0.81
        ],
        "bbox_confidence": 92
      }
    },
    "createdDate": "2026-05-19T13:44:08Z"
  },
  "meta": {
    "httpStatusCode": 200,
    "messages": []
  },
  "hasErrors": false
}

employee_name J. Okafor 96
employer_name Cascade Legal Services 98
pay_period_end 2026-04-30 99
gross_pay 5,980.00 USD 94
net_pay 4,312.08 USD 97

{
  "data": {
    "id": "1e7c9a34-5b62-4f80-a1d9-3c6e7b2a4058",
    "metadata": {
      "employee_name": {
        "value": "J. Okafor",
        "confidence": 96,
        "page": 1,
        "bbox": [
          0.1,
          0.18,
          0.44,
          0.2
        ],
        "bbox_confidence": 90
      },
      "employer_name": {
        "value": "Cascade Legal Services",
        "confidence": 98,
        "page": 1,
        "bbox": [
          0.1,
          0.11,
          0.56,
          0.14
        ],
        "bbox_confidence": 93
      },
      "pay_period_end": {
        "value": "2026-04-30",
        "confidence": 99,
        "page": 1,
        "bbox": [
          0.1,
          0.26,
          0.42,
          0.28
        ],
        "bbox_confidence": 93
      },
      "gross_pay": {
        "value": 5980.0,
        "currency": "USD",
        "confidence": 94,
        "page": 1,
        "bbox": [
          0.7,
          0.51,
          0.92,
          0.54
        ],
        "bbox_confidence": 89
      },
      "net_pay": {
        "value": 4312.08,
        "currency": "USD",
        "confidence": 97,
        "page": 1,
        "bbox": [
          0.7,
          0.56,
          0.92,
          0.59
        ],
        "bbox_confidence": 92
      }
    },
    "createdDate": "2026-05-19T13:45:31Z"
  },
  "meta": {
    "httpStatusCode": 200,
    "messages": []
  },
  "hasErrors": false
}

full_name MARIA T. ALVES 97
document_number X1234567 95
date_of_birth 1991-08-14low confidence 71
expiry_date 2031-02-28 93

{
  "data": {
    "id": "4a2f8c16-9d73-4b50-a6e1-2c7d5f8b3094",
    "metadata": {
      "full_name": {
        "value": "MARIA T. ALVES",
        "confidence": 97,
        "page": 1,
        "bbox": [
          0.16,
          0.16,
          0.56,
          0.19
        ],
        "bbox_confidence": 93
      },
      "document_number": {
        "value": "X1234567",
        "confidence": 95,
        "page": 1,
        "bbox": [
          0.16,
          0.21,
          0.41,
          0.24
        ],
        "bbox_confidence": 89
      },
      "date_of_birth": {
        "value": "1991-08-14",
        "confidence": 71,
        "page": 1,
        "bbox": [
          0.16,
          0.26,
          0.38,
          0.29
        ],
        "bbox_confidence": 66
      },
      "expiry_date": {
        "value": "2031-02-28",
        "confidence": 93,
        "page": 1,
        "bbox": [
          0.16,
          0.31,
          0.38,
          0.34
        ],
        "bbox_confidence": 85
      }
    },
    "createdDate": "2026-05-19T13:47:02Z"
  },
  "meta": {
    "httpStatusCode": 200,
    "messages": []
  },
  "hasErrors": false
}

Ce sont des documents exemples pré-traités, pas un téléversement en direct — les valeurs et les indices de confiance ci-dessus sont figés. Pour traiter vos propres documents, utilisez le démarrage rapide ou parlez à notre équipe. L'enveloppe de réponse est celle documentée sous extraction.

Démonstration

La même exécution, enregistrée de bout en bout.

Les exemples ci-dessus sont figés. La démonstration est un enregistrement d'écran du produit au travail sur un document réel — y compris le champ dont il n'était pas sûr, la partie qu'une démo scénarisée laisse de côté.

L'enregistrement n'est pas encore publié : il n'y a donc rien à lancer ici. Nous préférons laisser l'espace vide plutôt que le remplir d'une vidéo qui n'est pas le produit.

Téléversement — une vraie facture ou un vrai relevé bancaire, à la vitesse à laquelle la plateforme le traite réellement.
Sortie JSON — l'enveloppe de réponse, avec le cadre de délimitation de chaque valeur redessiné sur la page source.
Confiance — les scores par champ, y compris celui sur lequel le modèle a hésité.
Champ signalé — la valeur peu fiable marquée sur place, avec la zone dont elle a été lue mise en évidence sur la page.
Relecture humaine — le même document en attente dans la file de relecture d'un flux, un relecteur corrigeant la valeur signalée, et la modification enregistrée à son nom.
Webhook — la livraison signée qui arrive, portant l'identifiant du document de la première étape.

Pour les développeurs

Un POST, un fichier, du JSON structuré en retour.

Le point d'entrée d'extraction prend du multipart/form-data et une clé bearer. Aucun SDK n'est requis et aucun schéma à déclarer — la plateforme choisit le modèle à partir du document lui-même. Les exemples par langage ci-dessous sont un confort optionnel, pas une dépendance.

Les points d'entrée répondent en 150 ms en médiane, 300 ms au p95, mesurés du 2026-10-29T14:35:00Z au 2026-10-30T14:30:00Z sur 19 composants, dans la région de production UE uniquement. C'est le temps de réponse du point d'entrée, pas la durée d'une extraction — le traitement d'un document varie selon sa taille et son profil. Comment c'est mesuré →

               POST /Document/extraction
              
            

export COGNERIS_API_KEY="xtkt_live_…"
export COGNERIS_BASE_URL="https://api-eu.cogneris.ai"

curl -X POST "$COGNERIS_BASE_URL/Document/extraction" \
  -H "Authorization: Bearer $COGNERIS_API_KEY" \
  -F "file=@./invoice.pdf"
            

import os
import requests

with open("invoice.pdf", "rb") as document:
    response = requests.post(
        f'{os.environ["COGNERIS_BASE_URL"]}/Document/extraction',
        headers={"Authorization": f'Bearer {os.environ["COGNERIS_API_KEY"]}'},
        files={"file": document},
        timeout=60,
    )

response.raise_for_status()
print(response.json())
            

import fs from "node:fs/promises";

const form = new FormData();
form.append("file", new Blob([await fs.readFile("./invoice.pdf")]), "invoice.pdf");

const response = await fetch(`${process.env.COGNERIS_BASE_URL}/Document/extraction`, {
  method: "POST",
  headers: { Authorization: `Bearer ${process.env.COGNERIS_API_KEY}` },
  body: form
});

console.log(await response.json());
            

L'enveloppe de réponse — data, meta et un indice de confiance par champ — est celle présentée dans l'exemple de sortie ci-dessus. Démonstration complète dans le démarrage rapide ; tous les points d'entrée et codes de statut dans la spécification OpenAPI.

Exemples d'API et de webhook

Des exemples autonomes à coller dans un projet, à côté des SDK publiés pour TypeScript, Python, .NET et Java — nous ne livrons que ce que nous maintenons réellement.

Prise en charge des langages, mesurée

N'importe quel langage fonctionne aujourd'hui — du HTTP simple avec téléversement multipart et une clé bearer, rien de spécifique à une technologie.
Paquets publiés — des SDK sur npm et PyPI (0.2.0) et sur NuGet.org et Maven Central (0.1.0) ; rien sur pkg.go.dev ni pub.dev.
Générez votre propre client — quatre commandes de génération lancées sur notre spécification, et la sortie compilée.
Aucune bibliothèque cliente mobile — gardez les téléversements côté serveur et appelez le point d'entrée REST depuis votre backend.

Lire la matrice complète de prise en charge des langages →

Vous préférez un espace de travail prêt à importer ? Téléchargez la collection Postman ou parcourez le dépôt public d'exemples.

Une autre technologie ? L'API est du HTTP simple avec téléversement multipart — la spécification OpenAPI génère un client dans n'importe quel langage que vous utilisez déjà.

Model Context Protocol

Confiez vos documents à un agent.

Cogneris exploite un serveur MCP. Pointez Claude Desktop, Cursor ou votre propre client dessus et un agent peut lister les modèles d'extraction, téléverser un PDF, lancer un travail de remplissage et lire la consommation — via le même tenant, le même quota et la même piste d'audit que l'API REST.

53 outils, 5 portées — 21 en lecture, 10 en écriture, 22 avec leur propre portée, appliquées à chaque appel
OAuth 2.1 avec PKCE — aucune clé à longue durée de vie dans un fichier de configuration
Hôtes régionaux — mcp-eu et mcp-us, selon votre tenant

Lire le guide MCP

.cursor/mcp.json

{
  "mcpServers": {
    "cogneris": {
      "url": "https://mcp-eu.cogneris.ai/"
    }
  }
}

Architecture ReAct

Des agents qui raisonnent avant d'agir.

Plutôt qu'un modèle monolithique unique, Cogneris orchestre des agents spécialisés dans une boucle ReAct (Reason + Act). Chaque agent a un périmètre clair, des outils dédiés et des pistes d'audit pas à pas — essentiel dans les secteurs réglementés.

Traçabilité complète par document
Retraitement fin par étape
Coût auditable par exécution

cogneris.agents.pipeline

Orchestrateur

reçoit le document

Agent de classification

identifie le type

Agent d'extraction

structure les données

Agent de validation

vérifie les règles

Agent antifraude

note le risque

Sortie

JSON + score + webhook

Qui utilise Cogneris

Conçu pour les équipes qui ne peuvent pas se permettre une extraction erronée.

Cogneris tourne en production dans des banques, des cabinets comptables, des plateformes immobilières et des produits de finance embarquée — partout où une erreur sur un document se paie en constats d'audit, en amendes du régulateur ou en perte de revenus, et pas seulement en temps d'ingénierie.

Banque et crédit

Demandes de prêt, dossiers KYC, relevés bancaires et formulaires fiscaux — extraits et validés par recoupement pour la décision de crédit. Contrôles alignés sur SOC 2 et GLBA. Banque →

Comptabilité et fiscalité

Documents sources 1040, factures, reçus et relevés bancaires analysés pour la préparation fiscale, l'automatisation des comptes fournisseurs et le rapprochement mensuel. Comptabilité →

Immobilier

Dossiers de clôture, engagements de titre, actes et expertises — chaque champ capturé avec sa provenance complète pour la souscription et la clôture. Immobilier →

Finance embarquée

KYC des marchands, souscription sur relevés et revues du risque de contrepartie — branchés à grande échelle sur les moteurs de décision de la plateforme. Finance embarquée →

Sortie vérifiée

Un modèle peut-il inventer un chiffre ?

Oui. La sortie d'un modèle n'est pas déterministe par nature : Cogneris ne considère donc pas une valeur générée comme fiable au seul motif qu'elle semble plausible. Chaque champ porte un indice de confiance et peut suivre un parcours de preuve et de contrôle avant que votre workflow ne l'accepte.

Confiance au niveau du champ — un total incertain peut être relu sans bloquer tous les champs fiables du document.
Le document reste attaché — les citations de page et de zone source permettent à une personne ou à un système de vérifier d'où vient une valeur.
L'acceptation est configurable — règles déterministes, accord entre modèles et une étape de relecture manuelle peuvent être exigés avant qu'une valeur critique soit acceptée.

Lire l'architecture anti-hallucination →

Valeur candidate

8 420,00 USD

confiance 0,94

01Citation de la source
Page 2 · zone du total dû
02Validation déterministe
Devise, sous-total, taxe et total concordent
03Consensus multi-modèles
Les modèles configurés renvoient la même valeur
04Relecture humaine
Une étape que vous placez dans le flux ; l'exécution attend dans une file de relecture
05Piste d'audit
Consigne la version du modèle, les empreintes du prompt et de la réponse, les contrôles et le relecteur dans des métadonnées d'audit infalsifiables, avec une rétention d'audit propre au contrat et configurable par tenant

Conformité

Chaque affirmation, preuves à l'appui.

Cogneris n'est certifié selon aucune norme à ce jour, et nous n'allons pas laisser entendre le contraire. Ce que nous pouvons montrer aujourd'hui est publié, contractuel ou en cours — et chaque badge ci-dessous ouvre le document qui le fonde, pas une nouvelle page sur notre bonne volonté.

Certifié — rien à ce jour
Publié — le document est sur ce site
Contractuel — une clause de l'accord
Non vérifié — revue de conformité en attente

Publié

Divulgation des sous-traitants

Chaque tiers qui touche aux données clients — nommé, avec la finalité, l'entité juridique et le lieu de traitement. Les clients sont prévenus 30 jours avant tout ajout, avec un droit d'opposition.

Protection des données §2 → Contractuel

RGPD — DPA et CCT de l'UE

Cogneris traite en qualité de sous-traitant au sens de l'art. 28 — le DPA intègre les clauses contractuelles types de l'UE pour les transferts hors EEE et lie chaque sous-traitant ultérieur à des clauses équivalentes.

Protection des données §1 → Contractuel

CCPA / CPRA — prestataire de services

Prestataire de services au sens du Cal. Civ. Code §1798.140(ag) — les huit engagements exigés par le §1798.140(ag)(1) sont publiés intégralement sur ce site, pas résumés en un logo.

Protection des données §1.4 → Publié

Demandes des personnes concernées

Un canal réellement utilisable — accès, suppression, rectification et portabilité, avec un SLA de 30 jours. Lorsque les données appartiennent à un client, nous transmettons la demande à ce responsable de traitement.

Formulaire de demande de confidentialité → Publié

Disponibilité mesurée

Mesurée, pas affirmée — le chiffre est produit par script à partir du flux de statut public, versionné dans le dépôt, et une vérification de build échoue si la page et la mesure divergent. C'est un historique, pas le SLA contractuel.

Comment le chiffre est produit → Publié

Inventaire des contrôles

Les intitulés de contrôle que notre programme suit — publiés par catégorie dans le Centre de confiance. Le statut et les preuves par contrôle sont communiqués aux clients grands comptes sous NDA via le circuit de demande de rapport.

Contrôles du Centre de confiance → En cours · non vérifié

Préparation SOC 2

Les travaux de préparation sont en cours — nous ne revendiquons pas ici de rapport émis. La formulation du statut doit être confirmée par le responsable de notre programme de conformité avant d'être considérée comme définitive.

Feuille de route du Centre de confiance →

Rien sur cette page n'est une certification. Pour le chiffrement, l'isolation par tenant et la réponse aux incidents, lisez la vue d'ensemble de la sécurité ; pour le tableau complet des sous-traitants, l'inventaire des contrôles et les demandes de preuves, utilisez le Centre de confiance.

Éléments de preuve en contexte

Scénarios illustratifs.

Ces scénarios illustratifs décrivent des conceptions possibles de flux de travail. Ce ne sont ni des références ni des affirmations de performance à l’échelle de la production.

Cascade Legal

Un scénario de revue de dossiers de services juridiques avec un parcours d’extraction traçable.

Meridian Credit

Un scénario de structuration de documents de crédit avant une revue en aval.

Northwind Health

Un scénario d’organisation de documents d’autorisation préalable pour un flux de soins.

La capacité en un coup d'œil : l'interface applicative est livrée en 15 langues, et les points d'entrée d'extraction synchrones publics acceptent des fichiers jusqu'à 10 Mo. Les types de documents, les champs d'extraction, les devises et les plafonds de pages dépendent du schéma du tenant et du circuit de traitement. Voir la matrice de couverture sourcée.

Dans la bibliothèque Cogneris

Documentez-vous avant de présélectionner.

Commencez par la catégorie, comparez les alternatives, puis modélisez l'économie. Ce sont les guides que les acheteurs utilisent pour passer de la recherche à une décision défendable.

Guide de l'acheteur

Qu'est-ce que le traitement intelligent des documents ?

Un guide pratique de l'IDP : OCR, précision d'extraction, intégrations, tarification et choix du fournisseur.

Lire le guide → Étude de marché

L'état du Document AI en 2026

Contexte de marché, schémas d'adoption, références de précision et mutations qui façonnent le document AI en 2026.

Lire l'étude → Comparatif

Cogneris face à AWS Textract

Comparez OCR, formulaires, tableaux, validation, automatisation des workflows, tarification et exigences de piste d'audit.

Comparer les options → Comparatif

Cogneris face à Veryfi

Évaluez l'extraction de reçus et de factures, les relevés bancaires, les contrôles antifraude, l'orientation des flux et la tarification.

Comparer les options → Tarification

Comparatif des tarifs du document AI

Voyez comment les tarifs à la page, les minimums, les options et les coûts de relecture pèsent sur le prix réel d'un flux d'extraction.

Comparer les tarifs → Analyse de rentabilité

Calculateur de ROI de l'automatisation documentaire

Estimez les économies mensuelles, le délai de retour et l'économie sur 3 ans à partir de votre volume de documents et de votre effort de relecture.

Modéliser votre ROI →

FAQ

Questions fréquentes.

En quoi Cogneris diffère-t-il des API génériques de document AI ?

Les API génériques de document AI renvoient du texte ou des champs. Cogneris renvoie des enregistrements structurés avec un indice de confiance par champ, une validation croisée entre documents, une piste d'audit (version du modèle, empreinte du prompt, identifiant du relecteur) et un modèle de permissions limité au tenant. Conçu pour les processus où une extraction erronée se paie en constats d'audit ou en perte de revenus, pas en temps d'ingénierie.

Quels types de documents sont pris en charge d'emblée ?

Cogneris prend en charge une classification configurable par tenant et l'extraction zero-shot. Les équipes définissent les classes de documents et les champs dont leurs processus ont besoin, puis valident le résultat sur leurs propres documents représentatifs avant la mise en production.

Comment fonctionne la tarification ?

Des crédits, à tarifs publiés. Chaque opération consomme des crédits d'un seul solde : un document de 1 page classé et extrait utilise 4,2 crédits. Free offre 400 crédits pendant 14 jours sans carte, et Pro coûte 99 €/mois pour 5 000 crédits. Les contrats Enterprise incluent des tarifs négociés qui reflètent le volume engagé. Voir la grille tarifaire complète ou utiliser le calculateur de ROI pour estimer la dépense à votre volume.

Combien de temps prend l'intégration ?

Cogneris fournit des API REST et des rappels webhook signés adaptés aux intégrations sur mesure avec les systèmes de référence. Les délais de mise en production dépendent de la variété des documents, des règles de validation, du circuit de relecture et de l'intégration en aval.

Où en apprendre plus sur la catégorie document AI ?

Commencez par le guide de l'acheteur IDP — une lecture de 14 minutes couvrant la précision, la tarification, le choix du fournisseur et les schémas d'intégration. L'étude 2026 sur l'état du Document AI traite de la taille du marché, de l'adoption par secteur et des références de précision. Le glossaire du document AI couvre la terminologie — IDP, OCR, HITL, ReAct, piste d'audit, sous-traitant, et le reste.

Démarrer

Moins de tableurs. Plus de données.

Réservez une démo de 30 minutes. Nous vous montrerons la plateforme traitant vos propres documents.

Réserver une démo Voir les tarifs