Paperless-ngx et l’IA locale : reprendre la main sur ses documents
Factures, courriers, contrats, attestations, comptes rendus : chaque organisation accumule une montagne de documents qui finissent éparpillés entre boîtes mail, disques partagés et armoires. Paperless-ngx est une gestion électronique de documents (GED) open source, auto-hébergée, qui numérise, indexe et rend cette masse facilement requetable. Couplée à un modèle de langage exécuté en local, elle classe et résume vos documents sans qu’aucune donnée ne quitte votre infrastructure.
Ce que fait Paperless-ngx
Le principe est simple : vous déposez un document dans un dossier surveillé ou via un scanner, et le logiciel l’avale automatiquement. Il en extrait le texte par reconnaissance optique de caractères (OCR), génère une version cherchable, puis le range selon trois axes : le type de document, le correspondant, et des étiquettes libres. Vous retrouvez ensuite n’importe quelle pièce par une recherche plein texte, comme dans un moteur de recherche, sur l’intégralité de vos archives.
Les points forts pour une structure soucieuse de sa souveraineté :
- Auto-hébergé et open source : déploiement par conteneurs Docker, vos documents restent chez vous, sans abonnement ni cloud tiers.
- OCR multilingue : le texte des PDF scannés et des images devient cherchable et copiable.
- Classement structuré : types, correspondants, étiquettes, champs personnalisés, dates automatiquement détectées.
- Traçabilité : gestion multi-utilisateurs, permissions, historique, conservation de l’original.
La couche IA : du classement automatique au dialogue avec ses archives
C’est là que le sujet rejoint nos thèmes habituels. Plusieurs briques permettent de brancher un modèle de langage, idéalement servi en local par Ollama, sur Paperless-ngx :
- Classement intelligent : des extensions comme paperless-ai ou paperless-aissist envoient le texte extrait au modèle, qui propose automatiquement le type, le correspondant, les étiquettes et un titre pertinent. Fini la saisie manuelle pièce par pièce.
- Fonctions IA natives : Paperless-ngx intègre désormais des suggestions assistées par modèle de langage et un mode conversationnel, compatibles aussi bien avec une API distante qu’avec un Ollama local, avec une indexation vectorielle optionnelle pour la recherche augmentée (RAG).
- Interroger ses documents : au lieu de chercher un mot clé, vous posez une question en langage naturel (« quel était le montant de la dernière facture du prestataire X ? ») et le système répond en s’appuyant sur le contenu réellement archivé.
L’enjeu de souveraineté est ici décisif : un cabinet, une collectivité ou une PME ne peut pas envoyer ses factures, ses dossiers RH ou ses pièces clients vers un service en ligne non maîtrisé. En servant le modèle avec Ollama sur la même infrastructure que Paperless-ngx, l’intégralité de la chaîne, numérisation, extraction, classement, recherche, dialogue, reste interne.
Par où commencer
- Étape 1, le socle : déployez Paperless-ngx en Docker Compose, branchez un dossier de dépôt, et laissez l’OCR indexer un premier lot de documents non sensibles.
- Étape 2, le classement assisté : ajoutez Ollama avec un modèle ouvert léger, puis une extension de classement IA, et comparez ses suggestions à un classement manuel sur quelques dizaines de documents.
- Étape 3, la recherche augmentée : activez l’indexation vectorielle et testez le mode conversationnel sur un corpus représentatif avant tout déploiement à l’échelle.
Points de vigilance
Trois réflexes avant la mise en production : vérifier la qualité de l’OCR sur vos documents réels, car un texte mal extrait dégrade tout le reste ; garder l’humain dans la boucle sur le classement, le modèle propose mais ne décide pas seul ; et soigner les sauvegardes, une GED devient vite le coffre-fort documentaire de l’organisation. Pour les documents personnels ou sensibles, le modèle doit impérativement rester local. Tout cela est utilisable avec Nextcloud bien sûr.
Paperless-ngx illustre une idée que nous défendons souvent ici : l’IA la plus utile n’est pas toujours la plus spectaculaire, c’est celle qui résout un problème quotidien concret, sur une donnée que l’on garde sous contrôle. Vous souhaitez cadrer une GED souveraine avec une couche IA locale ? Écrivez-nous, nous serons ravis d’en discuter.
