LLM-Powered Invoice & Receipt Extractor (OSS)

**Vous avez du mal à obtenir de véritables données sur les reçus/factures pour tes modèles d'IA ? J'ai créé un générateur open source à l'aide de LLM (sortie JSON, aucun modèle) **

Lien : https://github.com/WellApp-ai/Well/tree/main/ai-receipt-generator

Exemple de sortie : https://imgur.com/a/YtFSodj

! Image ChatGPT du 3 mai 2025, 11_31_53 PM (1)

Lorsque tu crées des systèmes d'IA pour extraire des données structurées de reçus, de factures et d'autres documents financiers, il y a un gros goulot d'étranglement : **Des données d'entraînement réalistes, diversifiées et volumineuses. **

La plupart des ensembles de données ouverts sont :

• Trop propre (généré par un modèle)
• Trop uniforme (formats occidentaux uniquement)
• Non légalement utilisable à grande échelle

J'ai donc créé ce petit outil open source qui utilise LLM pour générer des reçus synthétiques au format JSON, entièrement personnalisable via prompt + config. Pas de PDF, pas de simulation OCR, juste une sortie de texte structurée conçue pour les évaluations, les tests ou les ajustements.

Caractéristiques principales :

• Fonctionne avec OpenAI, les modèles locaux, Claude, etc. (indépendant de LLM)
• Schéma JSON pour les reçus/factures, facile à personnaliser
• Faker Fallback si tu ne veux pas choisir de mannequin
• Compatible avec les paramètres régionaux : utile pour la simulation de formats globaux
• Bizarrerie configurable : totaux incomplets, champs manquants, fautes de frappe, etc.

Cela nous a permis de tester notre analyseur de documents en utilisant des cas marginaux réalistes et simples que les modèles ne pouvaient pas reproduire.

Je suis curieuse de savoir s'il y a quelqu'un d'autre ici :

• Génération de données synthétiques pour l'IA documentaire
• Tester des extracteurs basés sur LLM ou des combos OCR+LLM
• Création de suites d'évaluation pour les modèles d'IA financière

J'adorerais avoir des commentaires, des idées ou des réflexions sur la manière dont tu pourrais étendre cela.