Chargement...
Aucun résultat.

Mettez en pratique vos compétences dans la console Google Cloud

Instructions et exigences de configuration de l'atelier
Protégez votre compte et votre progression. Utilisez toujours une fenêtre de navigation privée et les identifiants de l'atelier pour exécuter cet atelier.

Automatiser la collecte de données à grande échelle avec Document AI : atelier challenge

Atelier 20 minutes universal_currency_alt 5 crédits show_chart Intermédiaire
info Cet atelier peut intégrer des outils d'IA pour vous accompagner dans votre apprentissage.
Ce contenu n'est pas encore optimisé pour les appareils mobiles.
Pour une expérience optimale, veuillez accéder à notre site sur un ordinateur de bureau en utilisant un lien envoyé par e-mail.

GSP367

Logo des ateliers d'auto-formation Google Cloud

Présentation

Dans un atelier challenge, vous devez suivre un scénario et effectuer une série de tâches. Aucune instruction détaillée n'est fournie : vous devez utiliser les compétences acquises au cours des ateliers du cours correspondant pour déterminer comment procéder par vous-même. Vous saurez si vous avez exécuté correctement les différentes tâches grâce au score calculé automatiquement (affiché sur cette page).

Lorsque vous participez à un atelier challenge, vous n'étudiez pas de nouveaux concepts Google Cloud. Vous allez approfondir les compétences précédemment acquises. Par exemple, vous devrez modifier les valeurs par défaut ou encore examiner des messages d'erreur pour corriger vous-même les problèmes.

Pour atteindre le score de 100 %, vous devez mener à bien l'ensemble des tâches dans le délai imparti.

Cet atelier est recommandé aux participants inscrits au cours associé au badge de compétence Automatiser la collecte de données à grande échelle avec Document AI. Êtes-vous prêt pour le challenge ?

Scénario du challenge

Vous êtes ingénieur de données dans une grande entreprise de gestion d'infrastructures. Vous avez été affecté à un projet interne pour le service financier de l'entreprise. L'entreprise doit toujours traiter de plus en plus de documents. Chacun nécessite d'être validé et autorisé manuellement. Cette tâche coûteuse mobilise beaucoup de personnel. L'entreprise prévoit d'utiliser les outils Google Cloud pour automatiser le processus de collecte, catégorisation et vérification des documents de manière efficace et moins laborieuse.

Votre challenge

Vous devez créer un pipeline de traitement des documents qui traitera automatiquement les documents importés dans Cloud Storage. Le pipeline consiste en une fonction Cloud Run principale qui traite les nouveaux fichiers à l'aide d'un processeur de formulaires Document AI pour extraire les données du document. Les données de formulaire détectées dans ces fichiers sont ensuite enregistrées dans BigQuery.

Vous disposez du code source d'une fonction Cloud Run qui effectuera le traitement. Vous devez déployer le pipeline de traitement de documents illustré dans l'architecture ci-dessous, en veillant à configurer correctement les composants pour votre pipeline spécifique.

Architecture de la solution de l'atelier challenge Document AI

Tâche 1 : Activer l'API Cloud Document AI et copier les fichiers sources de l'atelier

Dans cette tâche, vous allez activer l'API Cloud Document AI et copier vos fichiers de démarrage dans Cloud Shell.

Activer l'API Cloud Document AI

  • Activez l'API Cloud Document AI.
Activer l'API Cloud Document AI

Copier les fichiers sources de l'atelier dans Cloud Shell

La fonction Cloud Run avec le code prédéfini est hébergée dans un bucket Cloud Storage distant. Copiez ces fichiers sources dans Cloud Shell. Ces fichiers incluent le code source de la fonction Cloud Run et le schéma de la table BigQuery que vous allez créer dans l'atelier.

  • Dans Cloud Shell, saisissez la commande suivante pour cloner le dépôt source de l'atelier :
mkdir ./document-ai-challenge gsutil -m cp -r gs://spls/gsp367/* \ ~/document-ai-challenge/

Tâche 2 : Créer un processeur de formulaires

Créez une instance du processeur de formulaires général à l'aide du processeur Analyseur de formulaires Document AI dans la section Général (non spécialisé). Cet outil pourra traiter tous les types de documents et extraire tous les contenus textuels qu'il identifie dans un document, ainsi que les informations de formulaire qu'il déduit de la mise en page.

  • Créez le processeur avec les détails de configuration suivants :
Propriété Valeur
Type de processeur Analyseur de formulaires
Nom du processeur
Région États-Unis
Remarque : Plus tard dans cet atelier, vous allez configurer une fonction Cloud Run avec le PROCESSOR_ID et l'emplacement PARSER_LOCATION de ce processeur. Ainsi, la fonction Cloud Run utilisera ce processeur spécifique pour traiter les factures. Cliquez sur le processeur créé et notez le PROCESSOR_ID. La région du processeur est l'emplacement PARSER_LOCATION. Créer un processeur de formulaires

Tâche 3 : Créer des ressources Google Cloud

Préparez votre environnement en créant les ressources Google Cloud Storage et BigQuery requises pour votre pipeline de traitement de documents.

Créer des buckets Cloud Storage pour les entrées, les sorties et les archives

  • Dans cette étape, vous devez créer les trois buckets Cloud Storage ci-dessous avec l'accès uniforme au niveau du bucket activé.
Nom du bucket Objectif Classe de stockage Emplacement
Pour les factures d'achat Standard
Pour stocker les données traitées Standard
Pour archiver les factures Standard
Remarque : Vous pouvez créer un bucket à l'aide de l'outil gsutil avec le paramètre -mb, ainsi que les paramètres -c pour définir la classe de stockage, -l pour définir l'emplacement (régional) et le flag -b avec la valeur "on" ou "off" pour définir l'accès uniforme au niveau du bucket. Consultez la documentation de référence sur la commande mb (Make buckets) pour en savoir plus sur la création de buckets à l'aide de gsutil.

Créer un ensemble de données et des tables BigQuery

  • Dans cette étape, vous devez créer un ensemble de données BigQuery et la table de sortie requise pour votre pipeline de traitement des données.

Ensemble de données

Nom de l'ensemble de données Emplacement
invoice_parser_results États-Unis
Remarque : Utilisez bq mk pour créer des ressources BigQuery. Le commutateur de ligne de commande -d permet de créer un ensemble de données, et --location permet de définir l'emplacement de la ressource. Pour en savoir plus sur la création d'ensembles de données à l'aide de l'outil de ligne de commande bq, consultez le guide de création d'ensembles de données.

Table

Le schéma de table pour les informations extraites vous a été fourni dans le fichier JSON document-ai-challenge/scripts/table-schema/doc_ai_extracted_entities.json. Utilisez ce schéma pour créer une table nommée doc_ai_extracted_entities dans l'ensemble de données invoice_parser_results.

Remarque : Utilisez bq mk pour créer des ressources BigQuery. Le commutateur de ligne de commande --table permet de créer une table. Pour en savoir plus sur la création de tables avec une définition de schéma à l'aide de l'outil de ligne de commande bq, consultez le guide "Créer et utiliser des tables".

Vous pouvez accéder à BigQuery dans la console Cloud et inspecter le schéma des tables de l'ensemble de données invoice_parser_results à l'aide de l'espace de travail SQL de BigQuery.

Créer des ressources Google Cloud

Tâche 4 : Déployer la fonction Cloud Run de traitement des documents

Pour effectuer cette tâche, vous devez déployer la fonction Cloud Run que votre pipeline de traitement des données utilise pour traiter les factures importées dans Cloud Storage. Cette fonction utilisera un processeur de formulaire générique de l'API Document AI pour extraire les données de formulaire des documents bruts.

Vous pouvez examiner le code source de la fonction Cloud Run à l'aide de l'éditeur de code ou de tout autre éditeur de votre choix. La fonction Cloud Run est stockée dans les dossiers suivants dans Cloud Shell :

  • Process Invoices (Traiter les factures) : scripts/cloud-functions/process-invoices

La fonction Cloud Run, process-invoices, doit être déclenchée lorsque des fichiers sont importés dans le bucket de stockage des fichiers d'entrée que vous avez créé précédemment.

Déployer la fonction Cloud Run pour traiter les documents importés dans Cloud Storage

Déployez une fonction Cloud Run qui utilise un processeur de formulaires Document AI pour analyser les documents de formulaire importés dans un bucket Cloud Storage

  1. Accédez au répertoire scripts :
cd ~/document-ai-challenge/scripts
  1. Attribuez le rôle de lecteur Artifact Registry au compte de service Compute Engine :
PROJECT_ID=$(gcloud config get-value project) PROJECT_NUMBER=$(gcloud projects list --filter="project_id:$PROJECT_ID" --format='value(project_number)') SERVICE_ACCOUNT=$(gcloud storage service-agent --project=$PROJECT_ID) gcloud projects add-iam-policy-binding $PROJECT_ID \ --member serviceAccount:$SERVICE_ACCOUNT \ --role roles/pubsub.publisher
  1. Déployez la fonction Cloud Run :
export CLOUD_FUNCTION_LOCATION={{{ project_0.default_region | "REGION" }}} gcloud functions deploy process-invoices \ --gen2 \ --region=${CLOUD_FUNCTION_LOCATION} \ --entry-point=process_invoice \ --runtime=python313 \ --service-account=${PROJECT_ID}@appspot.gserviceaccount.com \ --source=cloud-functions/process-invoices \ --timeout=400 \ --env-vars-file=cloud-functions/process-invoices/.env.yaml \ --trigger-resource=gs://${PROJECT_ID}-input-invoices \ --trigger-event=google.storage.object.finalize\ --service-account $PROJECT_NUMBER-compute@developer.gserviceaccount.com \ --allow-unauthenticated Remarque : Si vous obtenez une erreur d'autorisation lors du déploiement de la fonction, attendez deux ou trois minutes, puis réexécutez les commandes.

Si vous inspectez le code source de la fonction Cloud Run, vous verrez qu'elle récupère les détails du processeur Document AI par le biais de deux variables d'environnement d'exécution.

  • Vous devrez reconfigurer le déploiement de la fonction Cloud Run pour que les variables d'environnement PROCESSOR_ID et PARSER_LOCATION contiennent les valeurs correctes pour le processeur Analyseur de formulaires que vous avez déployé à l'étape précédente.
  • Assurez-vous que la valeur PARSER_LOCATION est en minuscules.
  • Veillez également à mettre à jour la variable d'environnement PROJECT_ID avec l'ID de votre projet.

Attendez que la fonction soit entièrement redéployée.

Déployer la fonction Cloud Run de traitement de documents

Tâche 5 : Tester et valider la solution de bout en bout

Pour finir, vous devez traiter correctement l'ensemble des factures disponibles dans le dossier ~/document-ai-challenge/invoices à l'aide de votre pipeline.

  1. Importez ces factures dans le bucket Cloud Storage d'entrée et surveillez la progression du pipeline.

  2. Surveillez les événements jusqu'à ce que vous voyiez un événement final indiquant que l'exécution de la fonction s'est terminée avec l'état OK.

Une fois que le pipeline a entièrement traité les documents, vous pouvez constater que les informations de formulaire extraites des factures par le processeur Document AI ont été écrites dans la table BigQuery.

Remarque : Pour suivre la progression, cliquez sur Journaux dans la section "Gestion" de la fonction Cloud Run. Remarque : Vous rencontrerez peut-être des erreurs qui n'affectent pas de manière significative le traitement des documents, en particulier des erreurs d'expiration de délai. Si vous ne voyez pas que des données ont été écrites dans BigQuery, vérifiez que les paramètres définis dans l'onglet Variables et secrets de la console Cloud Run sont corrects, puis réessayez.

En particulier, assurez-vous que les variables d'ID du processeur et de l'emplacement que vous avez définies sont valides. Notez que le paramètre d'emplacement doit être en minuscules. Notez également que la liste des événements ne s'actualise pas automatiquement. Valider les données traitées par le pipeline

Félicitations !

Félicitations ! Dans cet atelier, vous avez créé un pipeline de traitement de documents qui traite automatiquement les documents importés dans Cloud Storage à l'aide de l'API Document AI. Vous avez créé un processeur de formulaires, déployé une fonction Cloud Run pour traiter les documents et validé la solution de bout en bout en traitant un ensemble de factures.

Badge du cours "Automatiser la collecte de données à grande échelle avec Document AI"

Formations et certifications Google Cloud

Les formations et certifications Google Cloud vous aident à tirer pleinement parti des technologies Google Cloud. Nos cours portent sur les compétences techniques et les bonnes pratiques à suivre pour être rapidement opérationnel et poursuivre votre apprentissage. Nous proposons des formations pour tous les niveaux, à la demande, en salle et à distance, pour nous adapter aux emplois du temps de chacun. Les certifications vous permettent de valider et de démontrer vos compétences et votre expérience en matière de technologies Google Cloud.

Dernière mise à jour du manuel : 14 novembre 2025

Dernier test de l'atelier : 14 novembre 2025

Copyright 2026 Google LLC. Tous droits réservés. Google et le logo Google sont des marques de Google LLC. Tous les autres noms d'entreprises et de produits peuvent être des marques des entreprises auxquelles ils sont associés.

Avant de commencer

  1. Les ateliers créent un projet Google Cloud et des ressources pour une durée déterminée.
  2. Les ateliers doivent être effectués dans le délai imparti et ne peuvent pas être mis en pause. Si vous quittez l'atelier, vous devrez le recommencer depuis le début.
  3. En haut à gauche de l'écran, cliquez sur Démarrer l'atelier pour commencer.

Utilisez la navigation privée

  1. Copiez le nom d'utilisateur et le mot de passe fournis pour l'atelier
  2. Cliquez sur Ouvrir la console en navigation privée

Connectez-vous à la console

  1. Connectez-vous à l'aide des identifiants qui vous ont été attribués pour l'atelier. L'utilisation d'autres identifiants peut entraîner des erreurs ou des frais.
  2. Acceptez les conditions d'utilisation et ignorez la page concernant les ressources de récupération des données.
  3. Ne cliquez pas sur Terminer l'atelier, à moins que vous n'ayez terminé l'atelier ou que vous ne vouliez le recommencer, car cela effacera votre travail et supprimera le projet.

Ce contenu n'est pas disponible pour le moment

Nous vous préviendrons par e-mail lorsqu'il sera disponible

Parfait !

Nous vous contacterons par e-mail s'il devient disponible

Un atelier à la fois

Confirmez pour mettre fin à tous les ateliers existants et démarrer celui-ci

Utilisez la navigation privée pour effectuer l'atelier

Le meilleur moyen d'exécuter cet atelier consiste à utiliser une fenêtre de navigation privée. Vous éviterez ainsi les conflits entre votre compte personnel et le compte temporaire de participant, qui pourraient entraîner des frais supplémentaires facturés sur votre compte personnel.