Reducto

Reducto est une API d'analyse et d'extraction de documents conçue pour les équipes d'ingénierie en IA qui ont besoin de résultats structurés et prêts pour les LLM à partir de documents réels complexes. Fondée en 2023 par Adit Abraham et Raunak Chowdhuri, tous deux ingénieurs en apprentissage automatique formés au MIT, l'entreprise est issue de la promotion Hiver 2024 de Y Combinator et a depuis levé 108M $ de financement total auprès d'Andreessen Horowitz, Benchmark et First Round Capital. Le problème fondamental qu'elle résout est un goulot d'étranglement persistant dans les pipelines d'IA : la plupart des documents dans les secteurs de la finance, du droit, de la santé et de l'assurance sont des PDF et des feuilles de calcul avec des mises en page de tableaux complexes, du texte en plusieurs colonnes, des graphiques intégrés et des annotations manuscrites que les outils d'extraction de texte standard altèrent, provoquant des erreurs dans les modèles en aval.

L'API de Reducto expose quatre points de terminaison principaux. Le point de terminaison Parse convertit les documents en blocs JSON structurés tenant compte de la mise en page, avec des boîtes de délimitation sur chaque élément. Le point de terminaison Extract effectue une extraction de données structurées basée sur un schéma avec des scores de confiance au niveau des champs et des citations de provenance. Le point de terminaison Split gère la détection de documents multiples et la segmentation de formulaires. Le point de terminaison Edit, lancé en 2025, est la première API du secteur permettant de modifier dynamiquement des fichiers PDF et DOCX sans modèles prédéfinis. L'ensemble est pris en charge par Reducto Studio, un constructeur de pipeline no-code qui ajoute l'évaluation de la confiance, la génération de données d'évaluation et la visibilité des performances du pipeline sans nécessiter d'intégration directe de l'API. La plateforme prend en charge plus de 100 langues, gère les tableaux à cellules fusionnées, les graphiques, l'écriture manuscrite et les cases à cocher, et propose un traitement conforme SOC 2 Type II et éligible HIPAA avec des configurations sans conservation pour les secteurs réglementés.

Ce que fait réellement Reducto en avril 2026

Fondamentalement, Reducto traite chaque page de document comme une image plutôt que comme un fichier texte. La plupart des bibliothèques d'analyse de PDF extraient le texte des métadonnées du PDF, ce qui fonctionne correctement pour les PDF propres et créés numériquement, mais échoue sur les documents numérisés, les pages pivotées, les fichiers filigranés ou tout document présentant une structure visuelle complexe. L'approche de Reducto exécute un pipeline en trois étapes : la vision par ordinateur traditionnelle analyse d'abord la mise en page et la structure spatiale du document ; les modèles de vision-langage (VLM) examinent et corrigent ensuite les résultats OCR initiaux en temps réel, un processus que l'entreprise appelle Agentic OCR ; et un passage VLM final interprète les régions de contenu de manière contextuelle, en reliant les en-têtes de colonnes aux cellules de données et les étiquettes de lignes aux valeurs.

Cette architecture à passages multiples est spécifiquement conçue pour les cas où l'extraction à passage unique omet silencieusement des données. Comme l'a expliqué Adit Abraham, PDG de Reducto, lors d'une interview en septembre 2025 avec l'ingénieur en IA Jason Liu : "Utilisez les meilleurs outils disponibles... une combinaison de vision par ordinateur (CV) traditionnelle pour ce qu'elle gère bien, et aussi de VLM et de métadonnées de documents." La conséquence pratique est une précision mesurable sur les tableaux qui mettent en échec d'autres analyseurs : les tableaux complexes avec des cellules fusionnées s'étendant sur plusieurs lignes et colonnes, les en-têtes imbriqués où la signification d'une cellule dépend d'une hiérarchie d'en-têtes parents, et les tableaux répartis sur plusieurs pages.

En novembre 2024, Reducto a rendu open source RD-TableBench, un benchmark de 1 000 images de tableaux complexes annotées par des évaluateurs humains de niveau doctorat, couvrant des tableaux numérisés, du contenu multilingue, de l'écriture manuscrite et des structures d'en-tête à plusieurs niveaux. Ce benchmark était une démarche délibérée visant à fournir une norme de précision objective sur un marché où les fournisseurs citaient régulièrement des métriques internes incomparables. Sur RD-TableBench, Reducto rapporte un score moyen de similarité de tableau d'environ 0.90, contre 0.72 pour AWS Textract et 0.81 pour Google Cloud Document AI.

"Malgré les progrès remarquables que nous avons observés dans l'IA ces dernières années, le traitement des documents reste un goulot d'étranglement critique. Reducto existe pour résoudre ce problème. Contrairement aux méthodes traditionnelles de reconnaissance optique de caractères, qui..." -- @a16z, X, 14 octobre 2025

En octobre 2025, Reducto avait traité plus d'un milliard de pages, avec un volume mensuel multiplié par 6 entre les annonces de la série A en avril et de la série B en octobre. Parmi les clients nommés figurent Harvey, Scale AI, Mercor, Rogo, une entreprise du Fortune 10 et l'un des 5 plus grands fonds spéculatifs mondiaux.

Où se situe Reducto par rapport à LlamaParse et Unstructured.io

Trois concurrents occupent des positions différentes sur le spectre précision-flexibilité. Reducto est l'option API de haute précision et très structurée. LlamaParse cible les équipes utilisant déjà l'écosystème LlamaIndex. Unstructured.io s'ancre du côté open source et pipeline ETL.

Reducto vs. LlamaParse : LlamaParse est le service d'analyse au sein de LlamaCloud, conçu principalement pour les équipes utilisant déjà LlamaIndex pour l'orchestration de pipelines RAG. Il prend en charge plus de 90 formats de fichiers, renvoie plusieurs formats de sortie (texte, Markdown, JSON, XLSX) et a traité plus de 500M de documents. Là où LlamaParse diffère mécaniquement, c'est dans sa façon de gérer les tableaux complexes : il propose des modes sélectionnables (standard, LLM, agentic, agentic plus), chacun avec des coûts en crédits différents par page. Les développeurs choisissent le mode manuellement en fonction de la complexité attendue du document. L'Agentic OCR de Reducto s'exécute automatiquement et s'adapte par région, ce qui supprime cette charge de configuration mais entraîne des coûts par page plus élevés pour les documents complexes. L'extraction de schéma de LlamaParse a été dépréciée et déplacée vers un service LlamaExtract distinct, tandis que le point de terminaison Extract de Reducto est intégré et produit des scores de confiance au niveau des champs avec des boîtes de délimitation pour chaque champ extrait. Pour des documents simples de niveau recherche ou le prototypage, LlamaParse est moins cher et suffisant. Pour les déclarations financières et les contrats juridiques où une cellule mal lue corrompt un calcul en aval, la précision à passages multiples de Reducto justifie la différence de coût.

Reducto vs. Unstructured.io : Unstructured est fondamentalement une bibliothèque ETL open source avec une couche SaaS d'entreprise par-dessus. Le package Python open source est sous licence MIT et auto-hébergeable, utilisant des connaissances spécifiques au format pour partitionner les documents en unités sémantiques avant le découpage (chunking). Les stratégies de découpage d'Unstructured (par page, par similarité, sémantique) sont plus configurables que les valeurs par défaut de Reducto et son écosystème de connecteurs (Databricks, Elasticsearch, S3, Google Drive, Snowflake) est plus large pour les équipes construisant des pipelines de données sur plusieurs systèmes de stockage. Le compromis architectural est que la précision d'Unstructured sur les tableaux complexes, en particulier ceux avec des cellules fusionnées et des en-têtes imbriqués dans les documents financiers, n'égale pas la correction VLM à passages multiples de Reducto. Unstructured rapporte un score CCT (transfert de contenu cohérent) ajusté de 0.917 avec un faible taux de tokens d'hallucination, ce qui mesure des éléments différents du score de similarité de tableau de RD-TableBench. Les équipes privilégiant une dépendance nulle vis-à-vis des fournisseurs, l'auditabilité open source ou l'intégration d'infrastructures ETL existantes devraient évaluer Unstructured. Les équipes privilégiant la précision de l'extraction de tableaux sur des documents réels complexes devraient tester Reducto.

"Nous avions passé suffisamment de temps à explorer des choses qui ne résonnaient pas. En comparaison, nous avons eu l'impression de nous prendre une claque avec cette nouvelle idée." -- Adit Abraham, PDG, Reducto, interview First Round Capital, 2025

AWS Textract et Google Cloud Document AI sont également en concurrence dans cet espace, en particulier pour les équipes disposant déjà d'une infrastructure AWS ou GCP. Les pages de comparaison de Reducto montrent des avantages de précision de plus de 20 % par rapport aux deux sur les benchmarks de tableaux complexes, bien que les deux fournisseurs cloud offrent une intégration d'infrastructure plus étroite et des parcours de conformité plus simples pour les équipes déjà au sein de ces écosystèmes. Pour les équipes natives en IA construisant des pipelines sur mesure en dehors des écosystèmes hyperscaler, Reducto et Firecrawl (pour les documents issus du web) ont tendance à être la paire d'ingestion privilégiée.

À quoi ressemble la réalité du flux de travail de l'API

L'API de Reducto est basée sur des crédits, facturés à 0.015 $ par crédit sur le niveau Standard avec paiement à l'utilisation. L'analyse d'une page standard coûte 1 crédit par page, soit 0.015 $/page. Les pages complexes avec l'Agentic OCR activé coûtent 2 crédits, ce qui porte le tarif effectif à 0.03 $/page. Les opérations supplémentaires se cumulent : l'Agentic Extraction coûte de 2 à 4 crédits par page selon la complexité de la page, Split coûte 2 crédits par page, et Edit (bêta) coûte 4 crédits par page. Une équipe traitant 100 000 pages par mois avec une utilisation modérée des VLM devrait prévoir un budget d'environ 2 000 $ à 4 000 $ par mois avant l'application des remises sur volume du niveau Growth.

Le niveau Standard comprend 15 000 crédits gratuits, ce qui représente environ 7 500 à 15 000 pages selon la complexité. Cela couvre le développement, les tests et les débuts en production sans carte de crédit. Les points de terminaison asynchrones (/parse_async, /extract_async) renvoient immédiatement un job_id et utilisent des rappels webhook, contournant la limite de 200 requêtes simultanées sur les points de terminaison synchrones. Pour le traitement par lots à volume élevé, c'est le modèle recommandé.

Reducto Studio, le constructeur de pipeline no-code, ajoute une couche visuelle pour les équipes qui souhaitent configurer et tester des pipelines sans écrire de code. Il inclut l'évaluation de la confiance sur les champs extraits, des données d'évaluation générées automatiquement à partir de documents réels et la visibilité des performances du pipeline. Jusqu'à 5 licences Studio sont incluses dans le niveau Standard. Lors du lancement de Studio, les utilisateurs ont signalé des plantages sur iPhone Safari et Chrome en raison de la compatibilité WebGPU ; le directeur technique (CTO) les a rapidement reconnus et le produit a gagné en maturité, mais il reste plus récent que l'API principale.

Les niveaux Enterprise et Growth ajoutent le déploiement VPC, des options sur site, des configurations isolées (air-gapped), le SSO/SAML, des contrôles de résidence des données et des SLA dédiés. La couverture SOC 2 Type II et HIPAA BAA est disponible au niveau Enterprise. La note concernant l'UE à connaître : des accords de traitement des données (DPA) standard sont disponibles sur tous les niveaux ; les DPA personnalisés nécessitent le niveau Enterprise. Cela a été une source de confusion lors du lancement de Studio (les développeurs européens supposaient que les DPA étaient réservés au niveau Enterprise), mais le DPA par défaut couvre les exigences standard du RGPD au niveau Standard. Pour les équipes s'appuyant sur Pinecone ou d'autres bases de données vectorielles, la sortie JSON structurée de Reducto avec des boîtes de délimitation correspond parfaitement aux schémas de métadonnées nécessaires pour la recherche hybride.

À qui s'adresse Reducto

La clientèle de Reducto se concentre autour de quatre secteurs verticaux où la qualité des documents a des conséquences directes sur les revenus ou la conformité. Les équipes des services financiers (fonds spéculatifs, banques, plateformes d'investissement) l'utilisent pour les rapports de résultats, les formulaires 10-K et les états financiers où le désalignement des cellules de tableau peut corrompre les modèles quantitatifs. Les plateformes d'IA juridique comme Harvey l'utilisent pour les contrats, les dossiers de plaidoirie et les soumissions réglementaires où la provenance des citations au niveau des champs est une exigence stricte. Les équipes de santé traitant les formulaires d'autorisation préalable et les documents cliniques ont besoin de la fiabilité de la détection des cases à cocher et du traitement éligible HIPAA que les VLM génériques ne peuvent pas fournir de manière cohérente. Les équipes d'assurance et de conformité traitant des lots de documents hétérogènes (formulaires, fax, soumissions manuscrites) bénéficient de la prise en charge multilingue et de la tolérance de l'Agentic OCR pour les pages pivotées ou filigranées.

Pour les pipelines RAG, Reducto s'associe bien avec AnythingLLM ou LlamaIndex : la provenance par boîte de délimitation sur chaque bloc de sortie permet des citations de documents précises, et les scores de confiance du point de terminaison Extract permettent aux équipes de filtrer les extractions à faible confiance avant qu'elles n'atteignent l'index vectoriel, réduisant ainsi les taux d'hallucination en aval.

Les équipes d'ingénierie en IA passant du prototype à la production adoptent couramment Reducto lorsque l'analyse PDF initiale (PyMuPDF, pdfplumber ou l'extraction de texte naïve) échoue sur les 20 % de leur corpus de documents contenant des tableaux complexes ou des pages numérisées. Le benchmark public RD-TableBench permet aux équipes de valider la précision sur des échantillons représentatifs avant de s'engager avec un fournisseur.

Ce que Reducto n'est pas

Reducto est une API d'ingestion, pas une plateforme de flux de travail documentaire de bout en bout. Il n'inclut pas la classification de documents (routage des factures vs contrats vs formulaires vers différents pipelines), les interfaces de révision avec intervention humaine (human-in-the-loop), l'ajustement fin des modèles pour des schémas de documents spécifiques, ou les intégrations natives avec des systèmes en aval comme Salesforce ou SAP. Les équipes doivent construire ou acheter ces couches séparément. Des concurrents comme Extend ou Nanonets se positionnent comme des solutions de flux de travail plus complètes ; le contre-argument de Reducto est qu'une couche d'ingestion de premier ordre qui s'intègre à n'importe quel système en aval est préférable à une plateforme intégrée verticalement avec des compromis sur la précision.

Évitez Reducto lorsque : les documents sont de simples PDF contenant uniquement du texte sans tableaux ni mises en page complexes (le mode économique de LlamaParse est 5 fois moins cher et adéquat) ; l'équipe est déjà profondément ancrée dans l'écosystème LlamaIndex/LlamaCloud et souhaite un fournisseur unique ; l'auto-hébergement open source avec une dépendance nulle vis-à-vis des fournisseurs est une exigence stricte (Unstructured.io) ; ou le cas d'utilisation est le scraping de pages web plutôt que l'analyse de documents (Firecrawl est le bon outil pour ce travail). Les équipes en phase de démarrage expérimentant l'IA documentaire devraient commencer avec les 15 000 crédits gratuits de Reducto avant de s'engager dans une relation de facturation, car le modèle de crédits peut produire des coûts inattendus si la complexité des pages ou la sélection des opérations n'est pas bien comprise dès le départ.