Les entreprises cherchent à exploiter leurs documents dans des processus automatisés, mais les factures, contrats et formulaires ne présentent pas toujours des structures homogènes. Avec Phoenix Plus, ABBYY entend traiter ces variations sans devoir systématiquement entraîner un modèle spécifique. La solution combine les techniques classiques de traitement documentaire avec des modèles génératifs, dans un environnement contrôlé par l’éditeur. Sa disponibilité reste toutefois limitée à certains clients de Vantage.

Une évolution du Phoenix lancé en 2024

Présenté en 2024 lors de l’événement ABBYY Ascend, Phoenix reposait initialement sur une approche multimodale faisant appel à de petits modèles de langage (SLM). L’objectif était de spécialiser l’IA dans les tâches documentaires, notamment pour faciliter l’étiquetage des données et accélérer la préparation des modèles d’extraction. La solution s’inscrivait dans le Purpose-Built AI Center, un environnement destiné à regrouper les technologies d’IA de l’éditeur.

Phoenix Plus ne constitue pas simplement une nouvelle version de ce modèle initial. Il s’inscrit dans une architecture plus large, baptisée Phoenix, qui distingue désormais un socle de traitement documentaire déterministe, Phoenix Core, et une couche générative complémentaire, Phoenix Plus.

Le premier regroupe les fonctions historiques de reconnaissance optique de caractères (OCR), d’analyse de mise en page, de classification et d’extraction. La seconde mobilise des modèles génératifs sélectionnés et optimisés par ABBYY pour intervenir lorsque les règles classiques ou les modèles pré entraînés ne suffisent pas. L’évolution porte donc autant sur l’articulation entre les technologies que sur les capacités d’interprétation proposées.

Extraire des données non structurées

L’un des principaux apports annoncés concerne l’extraction dite zero-shot. Cette méthode doit permettre de récupérer des informations dans des documents inconnus ou très variables sans constituer au préalable un jeu de données structurées pour entraîner un modèle dédié.

Selon le communiqué, dans le cas d’un contrat fournisseur, par exemple, les informations recherchées peuvent apparaître dans des clauses rédigées différemment selon les documents. Phoenix Plus doit pouvoir identifier les éléments pertinents à partir d’instructions prédéfinies, puis restituer les résultats selon une structure attendue.

La solution peut également intervenir après une première extraction pour interpréter du texte libre, rapprocher des informations, relever des incohérences ou produire des recommandations destinées aux étapes suivantes d’un processus métier. ABBYY vise ainsi des usages qui dépassent la simple lecture et la transcription de champs documentaires.

L’intérêt opérationnel dépendra toutefois de la complexité des documents, de la qualité des données disponibles et du niveau de vérification nécessaire. L’extraction sans entraînement préalable ne dispense pas de contrôler les résultats, particulièrement lorsque les informations alimentent des décisions financières, contractuelles ou réglementaires.

Une approche hybride 

Plutôt que de confier l’ensemble du traitement à un grand modèle de langage, ABBYY prévoit de faire coexister les techniques déterministes et génératives dans Vantage. Les premières restent mobilisées pour les opérations dont les règles sont établies et les résultats suffisamment prévisibles. La génération intervient sur les champs ou les contenus qui nécessitent davantage de souplesse et d’interprétation.

Cette organisation s’appuie sur les mécanismes de validation des données, les seuils de confiance, la traçabilité jusqu’aux documents d’origine et la possibilité de solliciter une vérification humaine. Ces garde-fous sont importants, car même spécialisé, un modèle génératif peut produire des réponses erronées ou interpréter incorrectement un passage ambigu.

ABBYY affirme qu’un client du secteur de la logistique a obtenu une précision de 99 % lors d’un premier passage sur des formulaires complexes mêlant texte manuscrit et imprimé. Ce chiffre reste cependant un résultat communiqué par le fournisseur, et ne permet donc pas d’en tirer une conclusion générale sur les performances du produit.

Hébergement et tarification

Phoenix Plus est intégré à Vantage et hébergé par ABBYY. Selon l’éditeur, les données sont traitées dans la même région que celles de l’environnement Vantage du client et ne sont pas conservées par le service après le renvoi du résultat. Ces modalités peuvent intéresser les organisations qui souhaitent limiter la dispersion de leurs données documentaires, mais elles doivent être examinées au regard des engagements contractuels et des exigences propres à chaque entreprise.

Sur le plan économique, ABBYY prévoit d’ajouter Phoenix Plus à l’abonnement Vantage moyennant un coût annuel fixe. L’objectif est d’éviter la gestion d’un contrat distinct avec un fournisseur de modèles, le provisionnement d’une infrastructure dédiée et une facturation directement indexée sur le nombre de jetons consommés. Le montant de cette option n’est toutefois pas précisé dans l’annonce.

Les clients peuvent par ailleurs continuer à connecter leurs propres modèles, notamment ceux d’OpenAI, de Google, d’Anthropic ou de Mistral, au moyen de l’option BYOM (Bring Your Own Model) de Vantage. La différence est que, dans ce scénario, l’entreprise choisit son modèle et doit tenir compte des conditions du fournisseur retenu.

Une disponibilité encore restreinte

Annoncé le 20 octobre 2026, Phoenix Plus est accessible à certains clients d’ABBYY Vantage, dans le cadre d’un déploiement sélectif. L’éditeur invite les organisations intéressées à vérifier leur éligibilité auprès de ses équipes. Cette première phase ne permet donc pas encore d’évaluer la disponibilité générale de la solution ni son adoption par les entreprises. Elle ne s’accompagne pas non plus, dans les informations publiées, de benchmarks indépendants permettant de comparer Phoenix Plus à d’autres outils d’extraction documentaire ou à des modèles généralistes.

Pour les directions informatiques, l’enjeu sera de mesurer si cette couche générative réduit effectivement le temps nécessaire à l’intégration de nouveaux documents et le volume de vérifications manuelles, sans dégrader la fiabilité des traitements.