Image to Text

Le node Image to Text utilise des modèles de vision par IA pour lire, décrire ou extraire des données structurées à partir d'images ou d'URLs d'images, selon vos instructions.

À quoi sert le node Image to Text ?

Le node Image to Text envoie une ou plusieurs images (fichiers téléversés ou URLs) à un LLM compatible vision (OpenAI GPT-4o / GPT-4o mini, Anthropic Claude 3, Google Gemini 1.5) accompagnées d’un prompt, et renvoie la réponse textuelle du modèle. Utilisez-le pour de l’OCR, de la description d’image, du visual question answering ou de l’extraction de données structurées depuis des graphiques, captures d’écran, tickets de caisse ou photos produits.

Cas d’usage typiques :

• Lire le texte de captures d’écran, tickets ou documents scannés (OCR).
• Générer des descriptions accessibles pour des visuels marketing.
• Extraire des données structurées (JSON) depuis des graphiques, tableaux ou infographies.
• Auditer des photos produits (couleur, matière, mentions on-pack) pour un catalogue e-commerce.

Configuration rapide

Suivez ces étapes pour ajouter et configurer le node Image to Text dans votre workflow :

Paramètres de configuration

Le node Image to Text a besoin d’une source d’image, d’un modèle de vision et d’un prompt. Le prompt est le seul champ validé comme obligatoire à l’exécution.

Champs requis

Champs optionnels

Que renvoie le node ?

Le node renvoie la réponse textuelle brute produite par le modèle de vision — exactement ce que le LLM a écrit, sans post-traitement. Si vous demandez du JSON, il renvoie du JSON sous forme de texte ; si vous demandez une description, il renvoie de la prose.

Comment récupérer l’output ?

Dans Draft & Goal, vous n’avez pas besoin de chercher un nom de variable complexe généré par le système. Pour exploiter le résultat :

1. Tirez un lien depuis la sortie du node Image to Text.
2. Connectez-le à l’entrée du node suivant.
3. Dans ce node suivant, créez et nommez votre propre variable (par exemple, description_image). La réponse du modèle y sera automatiquement injectée.

Exemples d’utilisation

Cas 1 : OCR depuis une URL de capture d’écran

Extraire le texte d’une capture d’écran hébergée sur une URL.

Entrées :

• Image(s) or URL(s) : https://example.com/facture-2024.png
• Provider / Modèle : OpenAI / gpt-4o-mini
• Prompt : Extract every line of text from this image exactly as it appears, preserving line breaks.

Output généré (string) :

ACME Corp
Facture #FAC-2024-0142
Date : 2024-03-12
Sous-total : 1 250,00
TVA (20%) : 250,00
Total : 1 500,00

Cas 2 : Extraction structurée d’un graphique en JSON

Transformer un graphique en barres en données exploitables par un JSON Path Extractor en aval.

Entrées :

• Image(s) or URL(s) : sortie fichier d’un node File précédent
• Provider / Modèle : Anthropic / claude-3-haiku
• Prompt :

Read the bar chart and return strict JSON with this shape, nothing else:
{ "title": "...", "x_axis": "...", "y_axis": "...", "bars": [{"label": "...", "value": 0}] }

Output généré (string) :

{
  "title": "Utilisateurs actifs mensuels 2024",
  "x_axis": "Mois",
  "y_axis": "MAU (milliers)",
  "bars": [
    {"label": "Jan", "value": 120},
    {"label": "Fév", "value": 135},
    {"label": "Mar", "value": 148}
  ]
}

Problèmes courants

Image to Text requires instructions to be configured

Cause : Le champ prompt est vide ou ne contient que des espaces. Le validateur du node bloque le run avant l’appel au LLM.

Solution : Ouvrez le node, saisissez des instructions claires dans la zone de prompt, puis relancez. Même un prompt d’une ligne comme Describe this image. suffit à passer la validation.

Image to Text node only accepts image files or URLs as input

Cause : Vous avez connecté une sortie amont dont le type n’est pas dans l’ensemble autorisé (file, image, text, string, url, array) — par exemple un nombre ou un booléen.

Solution : Insérez un convertisseur (Text Input, node URL) avant le node Image to Text, ou choisissez une autre sortie amont produisant l’un des types acceptés.

La réponse du modèle est fausse, vague ou hallucinée

Cause : Soit le modèle choisi est trop petit pour la tâche (texte minuscule, graphiques denses), soit le prompt est ambigu.

Solution : Essayez un modèle plus puissant (gpt-4o, claude-3-opus, gemini-1.5-pro), resserrez le prompt (“Return only the total amount as a number”), ou découpez l’image en amont.

L'URL d'image ne peut pas être récupérée

Cause : L’URL nécessite une authentification, renvoie un MIME non-image, ou est restreinte géo/IP côté provider LLM.

Solution : Téléchargez d’abord la ressource via un node File ou Web Scraper et passez la sortie fichier au node Image to Text au lieu de l’URL.

Bonnes pratiques et pièges à éviter

Comment s’intègre-t-il dans un workflow ?

Image to Text se positionne typiquement entre une source d’image (File, URL, Web Scraper, Loop) et un parseur ou un LLM final en aval. Voici un schéma typique pour extraire des données structurées d’un lot de photos produits :

graph LR
    Files[Node File : photos produits] --> Loop[Loop]
    Loop --> ITT[Image to Text
<br/>extrait les attributs en JSON]
    ITT --> FR[Find and Replace
<br/>retire les fences Markdown]
    FR --> JPE[JSON Path Extractor]
    JPE --> LLM[Node LLM final]

Nodes complémentaires