Les organisations qui traitent de grands volumes de PDF, de rapports, de contrats, de dossiers de cas, de manuels, passent un temps considérable à lire des documents pour trouver ce qui est important. Deux capacités d'IA changent cette charge de travail : un résumé rapide qui permet à quelqu'un de trier un document sans le lire, et une requête conversationnelle qui répond à des questions en langage naturel sur son contenu. IronPDF ajoute les deux à une application .NET via son extension IA, construite sur Microsoft Semantic Kernel et soutenue par Azure OpenAI.

Le problème d'entreprise

Un agent de support a besoin d'une réponse enfouie dans la documentation produit. Un analyste veut les chiffres clés d'un rapport de 60 pages. Un réviseur juridique doit vérifier une clause spécifique dans de longs contrats. Lire chaque document de bout en bout n'est pas évolutif. L'objectif est de résumer à l'entrée et de laisser les gens poser des questions en langage clair.

La solution

Le paquet IronPdf.Extensions.AI ajoute Summarize pour des abstracts rapides et Query pour un questionnement continu et contextuel. Après avoir configuré le Semantic Kernel avec un point de terminaison Azure et un stockage en mémoire, résumer un document nécessite un seul appel.

using IronPdf;
using IronPdf.AI;
using Microsoft.SemanticKernel;
using Microsoft.SemanticKernel.Memory;

var builder = Kernel.CreateBuilder()
    .AddAzureOpenAITextEmbeddingGeneration("oaiembed", azureEndpoint, apiKey)
    .AddAzureOpenAIChatCompletion("oaichat", azureEndpoint, apiKey);
var kernel = builder.Build();

var memory = new MemoryBuilder()
    .WithMemoryStore(new VolatileMemoryStore())
    .WithAzureOpenAITextEmbeddingGeneration("oaiembed", azureEndpoint, apiKey)
    .Build();

IronDocumentAI.Initialize(kernel, memory);

PdfDocument pdf = PdfDocument.FromFile("report.pdf");
string summary = await pdf.Summarize();

using IronPdf;
using IronPdf.AI;
using Microsoft.SemanticKernel;
using Microsoft.SemanticKernel.Memory;

var builder = Kernel.CreateBuilder()
    .AddAzureOpenAITextEmbeddingGeneration("oaiembed", azureEndpoint, apiKey)
    .AddAzureOpenAIChatCompletion("oaichat", azureEndpoint, apiKey);
var kernel = builder.Build();

var memory = new MemoryBuilder()
    .WithMemoryStore(new VolatileMemoryStore())
    .WithAzureOpenAITextEmbeddingGeneration("oaiembed", azureEndpoint, apiKey)
    .Build();

IronDocumentAI.Initialize(kernel, memory);

PdfDocument pdf = PdfDocument.FromFile("report.pdf");
string summary = await pdf.Summarize();

La méthode Query conserve le contexte de la conversation à travers les questions de suivi, ce qui est la base pour un chatbot de document, une base de connaissances interne ou un outil de recherche. Associée à l'OCR, la résumation fonctionne également sur les documents numérisés, les mises en page complexes à plusieurs colonnes, et les fichiers avec images et tableaux.

Points à planifier

Cette fonctionnalité nécessite plus de configuration que les guides de conversion, donc quelques prérequis sont importants :

• Trois paquets : IronPdf, IronPdf.Extensions.AI, et Microsoft.SemanticKernel.Plugins.Memory. Le plugin mémoire alimente le questionnement continu.
• Backend Azure OpenAI : Le chemin documenté nécessite un abonnement Azure avec accès à Azure OpenAI Service, configuré avec un point de terminaison et une clé.
• Gestion des données : L'extension extrait le texte du document et l'envoie au point de terminaison Azure OpenAI, donc le contenu confidentiel quitte l'environnement local. Comptez sur cela dans les flux de travail réglementés.
• Stockage en mémoire par environnement : VolatileMemoryStore convient au développement, tandis que Chroma, Azure Cognitive Search ou Qdrant conviennent à la persistance en production.
• APIs expérimentales : Semantic Kernel soulève des avertissements de build SKEXP, supprimés avec une entrée NoWarn dans le csproj.

Résultat

Avec un petit peu de configuration, les équipes ajoutent des résumés automatisés et une interface de chat-avec-votre-document à une application .NET, transformant les PDF denses en quelque chose que le personnel et les utilisateurs peuvent interroger en quelques secondes. Les détails complets de configuration se trouvent dans le guide OpenAI pour PDF.