Extraction de texte PDF dans le navigateur avec LiteParse for the web

LiteParse, outil open source de LlamaIndex initialement conçu comme CLI Node.js, a été porté par Simon Willison pour fonctionner entièrement dans le navigateur via PDF.js et Tesseract.js. L'outil résout le problème de l'extraction de texte ordonné depuis des PDFs complexes grâce à un « spatial text parsing » heuristique, sans recours à des modèles IA. Il supporte également les citations visuelles avec bounding boxes, utiles pour des pipelines RAG avec réponses sourcées et illustrées.