BroadRouter

Lire des factures et reçus arabes avec un modèle de vision

Mis à jour

Envoyez l’image sous forme de data URL en base64 dans le contenu du message à un modèle de vision comme broadnet/qwen3.8-27b ou broadnet/gemma-4-26b-a4b, et demandez les champs voulus en JSON. Indiquez le bon type MIME. En paiement à l’usage, une image compte en tokens d’entrée ; plus elle est grande, plus elle en consomme.

Trois modèles de chat de BroadNet Inference acceptent des images : DeepSeek V4.1 Flash, Qwen3.8 27B et BroadNet Gemma 4 VL 26B. GLM 5.3 ne traite que du texte. Pour les documents en arabe, Qwen3.8 27B est celui que BroadNet a testé en arabe : rédaction fluide, dialectes du Golfe et égyptien compris, et traduction arabe–anglais précise. Gemma 4 VL 26B est le moins cher des trois chez BroadNet et fonctionne avec le crédit gratuit.

Poser une question sur une facture

import base64, os
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
invoice = base64.b64encode(open("invoice.jpg", "rb").read()).decode()

response = client.chat.completions.create(
    model="broadnet/gemma-4-26b-a4b",
    messages=[{"role": "user", "content": [
        {"type": "text", "text": "ما هو المبلغ الإجمالي في هذه الفاتورة؟"},
        {"type": "image_url", "image_url": {"url": "data:image/jpeg;base64," + invoice}},
    ]}],
)
print(response.choices[0].message.content)

La question demande en arabe « Quel est le montant total de cette facture ? ». Pour les fichiers PNG, mettez image/png dans la data URL : le type MIME doit correspondre. Pour le déduire du nom de fichier :

import mimetypes
mime = mimetypes.guess_type("invoice.png")[0]   # "image/png"
url = f"data:{mime};base64," + base64.b64encode(open("invoice.png", "rb").read()).decode()

Récupérer des champs structurés

Demandez du JSON et précisez exactement les clés voulues :

prompt = (
    "Read this invoice. Reply with JSON only, keys: vendor, date (YYYY-MM-DD), "
    "currency, total (number), vat (number or null). Keep the vendor name in Arabic if it is written in Arabic."
)
response = client.chat.completions.create(
    model="broadnet/qwen3.8-27b",
    max_tokens=2000,  # Qwen3.8 27B reasons first
    messages=[{"role": "user", "content": [
        {"type": "text", "text": prompt},
        {"type": "image_url", "image_url": {"url": "data:image/jpeg;base64," + invoice}},
    ]}],
)

Qwen3.8 27B raisonne avant de répondre : laissez-lui de la marge. Voir pourquoi les modèles de raisonnement renvoient des réponses vides. La documentation de BroadNet indique la sortie structurée pour Qwen3.8 27B ; voir sortie structurée pour le fonctionnement général des schémas JSON. Analysez la réponse avec json.loads et vérifiez les champs avant de les enregistrer.

Coût

En paiement à l’usage, une image est facturée en tokens d’entrée au prix d’entrée du modèle : redimensionnez donc les très grandes photos au préalable. Le calculateur de tokens d’image indique combien de tokens coûte une taille donnée. Avec un forfait illimité DeepSeek V4.1 Flash, les images font partie de l’usage illimité.

Comparez les prix des modèles de vision, ou voyez comment un modèle de vision se compare à Google, Azure, Textract et Mistral OCR dans le comparatif des API d’OCR arabe.

Dépannage

  • Réponse vide de Qwen3.8 27B ou DeepSeek V4.1 Flash. Le raisonnement a épuisé max_tokens. Augmentez la valeur ou réglez reasoning_effort sur low.
  • 400 ou 422 sur l’image. Vérifiez que la data URL commence par data:image/jpeg;base64, ou data:image/png;base64, et que le type MIME correspond au fichier.
  • 403 ou erreur sur le modèle. GLM 5.3 n’accepte pas d’images, et Qwen3.8 27B et DeepSeek V4.1 Flash nécessitent une recharge. Utilisez BroadNet Gemma 4 VL 26B avec le crédit gratuit.
  • Requête trop volumineuse ou erreurs de contexte. Une grande photo consomme beaucoup de tokens, et Gemma 4 VL 26B a la plus petite fenêtre de contexte des trois (indiquée dans pricing.json). Redimensionnez à une largeur raisonnable ou recadrez sur la zone des totaux.
  • Totaux erronés ou chiffres inversés. Les chiffres arabes orientaux (٠١٢٣) et les chiffres latins peuvent cohabiter sur un même reçu. Demandez au modèle de renvoyer les nombres en chiffres latins, et vérifiez dans votre code les totaux par rapport aux lignes.
  • JSON invalide. Demandez « JSON only », retirez les éventuelles balises de bloc de code avant l’analyse, et réessayez une fois si l’analyse échoue.
An Arabic and English invoice beside a phone showing the JSON {"total":125.00,"currency":"AED"}, with the text "From documents to structured data."
Illustrative example; the figures are not real output.

Questions fréquentes

Quels modèles BroadNet savent lire des images ?

DeepSeek V4.1 Flash, Qwen3.8 27B et BroadNet Gemma 4 VL 26B acceptent des images via les chat completions. GLM 5.3 ne traite que du texte, et les modèles de transcription prennent de l’audio.

Comment envoyer un fichier image local à une API LLM de vision ?

Lisez le fichier, encodez-le en base64 et placez-le dans une partie de contenu image_url sous forme de data URL, par exemple data:image/jpeg;base64, suivi des octets encodés. Le type MIME de l’URL doit correspondre au fichier.

Puis-je extraire les données de factures avec le crédit gratuit ?

Oui, avec BroadNet Gemma 4 VL 26B, qui fonctionne avec le crédit de départ gratuit. Qwen3.8 27B et DeepSeek V4.1 Flash sont accessibles après une recharge.

Puis-je envoyer une facture en PDF ?

La documentation de BroadNet décrit des images envoyées sous forme de data URL, pas des fichiers PDF. Convertissez d’abord chaque page du PDF en JPEG ou PNG, par exemple avec pdftoppm, puis envoyez les pages comme images.

Lire en MarkdownDemander à ChatGPTDemander à ClaudeDemander à Perplexity