Un utilisateur de Reddit rapporte qu'après trois mois d'efforts pour convertir des PDF en JSON, il a opté pour Docling pour l'analyse mais fait face à des problèmes persistants lors de l'étape suivante de mappage des données. L'utilisateur utilise un modèle Qwen 3.5-9B local pour transformer la sortie markdown de Docling en un format JSON spécifique.
- Le mode d'échec principal implique une étiquetage incorrect des comptes et des montants, ainsi que le remplacement de valeurs qui devraient rester inchangées.
- Les tentatives d'ingénierie de prompt ont échoué car les ajustements créent de nouveaux problèmes au lieu de fournir une solution généralisée.
- L'utilisateur soupçonne que le problème provient des limitations inhérentes aux capacités des LLM locaux plutôt que de défauts dans le flux de travail lui-même.
Le post met en évidence la difficulté d'obtenir une extraction de données structurée et fiable à partir de PDF en utilisant uniquement des modèles locaux sans dépendre d'API externes.