Passer au contenu principal
Il s’agit d’un notebook interactif. Vous pouvez l’exécuter en local ou utiliser les liens ci-dessous :
Ce tutoriel vous montre comment créer, tracer et évaluer un pipeline de vision par ordinateur qui effectue une reconnaissance d’entités nommées (NER) sur des images d’informations patients manuscrites. À la fin, vous disposerez d’un pipeline opérationnel de reconnaissance optique de caractères (OCR), reposant sur un modèle vision-langage (VLM) et sur une évaluation W&B Weave, qui mesure la précision avec laquelle le pipeline extrait des champs structurés à partir d’images. Ce guide s’adresse aux développeurs qui souhaitent utiliser Weave pour itérer sur les prompts et mesurer systématiquement la qualité des pipelines d’extraction multimodale. Les sections suivantes présentent cinq étapes : créer et faire évoluer les prompts, récupérer le jeu de données, construire le pipeline NER, définir les évaluateurs et exécuter une évaluation.

Prérequis

Avant de commencer, installez et importez les bibliothèques requises, obtenez votre clé API W&B et initialisez votre projet Weave. Cette étape garantit que votre environnement peut s’authentifier auprès de W&B et enregistrer des traces dans votre projet Weave.

Créez des prompts et itérez dessus avec Weave

Une bonne ingénierie de prompts est essentielle pour guider le modèle afin qu’il extraie correctement les Entities. Dans cette section, vous rédigez un prompt initial, le publiez dans Weave pour pouvoir suivre ses modifications au fil du temps, puis l’affinez à l’aide de règles de validation plus strictes. Commencez par créer un prompt de base qui indique au modèle quoi extraire des données d’image et comment le formater. Ensuite, enregistrez le prompt dans Weave pour en assurer le suivi et faciliter l’itération.
Ensuite, améliorez le prompt en ajoutant davantage d’instructions et de règles de validation afin de réduire les erreurs dans le résultat produit. Publier la version révisée sous le même nom permet à Weave de suivre le prompt comme une nouvelle version, afin que vous puissiez comparer les résultats d’une itération à l’autre.

Obtenir le jeu de données

Une fois le prompt défini, vous avez besoin de données d’entrée pour alimenter le pipeline. Récupérez le jeu de données de notes manuscrites qui sert d’entrée au pipeline d’OCR. Les images du jeu de données sont déjà encodées en base64, ce qui signifie que le LLM peut utiliser les données sans aucun prétraitement.

Créer le pipeline NER

Maintenant que vous disposez d’un prompt et d’un jeu de données, créez le pipeline NER qui les relie au VLM. Le pipeline se compose de deux fonctions :
  • Une fonction encode_image qui prend une image PIL du jeu de données et renvoie une représentation de l’image encodée en base64, pouvant être transmise au VLM.
  • Une fonction extract_named_entities_from_image qui prend une image et un prompt système, puis renvoie les entités extraites de cette image, telles que décrites par le prompt système.
Créez maintenant une fonction appelée named_entity_recognation qui :
  • Envoie les données d’image au pipeline NER.
  • Renvoie un JSON correctement formaté avec les résultats.
Utilisez le décorateur @weave.op() pour suivre et tracer automatiquement l’exécution de la fonction dans l’interface utilisateur de W&B. Chaque fois que named_entity_recognation s’exécute, les résultats complets de la trace sont visibles dans l’interface Weave. Pour afficher les traces, accédez à l’onglet Traces de votre projet Weave.
Enfin, exécutez le pipeline sur le jeu de données, puis consultez les résultats. Cette étape produit les résultats du modèle que vous évaluerez dans la section suivante. Le code suivant parcourt le jeu de données et enregistre les résultats dans un fichier local processing_results.json. Les résultats sont également consultables dans l’interface Weave.
Vous voyez ci-dessous un exemple similaire dans le tableau Traces de l’interface Weave.
Tableau Traces de Weave montrant les résultats d’exécution du pipeline NER.

Évaluer le pipeline avec Weave

Maintenant que vous avez créé un pipeline pour effectuer de la NER à l’aide d’un VLM, vous pouvez utiliser Weave pour l’évaluer de façon systématique et voir dans quelle mesure il est performant. Évaluer le pipeline vous permet de mesurer la qualité de l’extraction sur l’ensemble du jeu de données plutôt que de vous appuyer sur des vérifications ponctuelles. Pour plus d’informations sur les évaluations dans Weave, consultez Aperçu des évaluations. Un évaluateur constitue un élément fondamental d’une évaluation dans Weave. Les évaluateurs servent à évaluer les sorties de l’IA et à renvoyer des métriques d’évaluation. Ils prennent la sortie de l’IA, l’analysent et renvoient un dictionnaire de résultats. Les évaluateurs peuvent utiliser vos données d’entrée comme référence si nécessaire et peuvent également renvoyer des informations supplémentaires, comme des explications ou le raisonnement issu de l’évaluation. Dans cette section, vous créez deux évaluateurs pour évaluer le pipeline :
  • Évaluateur programmatique.
  • Scorer LLM-as-a-judge.

Évaluateur programmatique

Le premier évaluateur est une vérification déterministe qui s’exécute sans LLM. L’évaluateur programmatique, check_for_missing_fields_programatically, prend la sortie du modèle (la sortie de la fonction named_entity_recognition) et identifie les clés manquantes ou vides dans les résultats. Cette vérification est utile pour repérer les échantillons pour lesquels le modèle n’a extrait aucun champ.

Évaluateur LLM-as-a-judge

Comme l’évaluateur programmatique ne détecte que les champs manquants ou vides, vous avez besoin d’un second évaluateur pour vérifier si les valeurs extraites correspondent bien à ce qui apparaît dans l’image. À cette étape de l’évaluation, vous fournissez à la fois les données de l’image et la sortie du modèle afin de garantir que l’évaluation reflète les performances réelles du système de NER. Le contenu de l’image est référencé explicitement, et pas seulement la sortie du modèle. L’évaluateur utilisé pour cette étape, check_for_missing_fields_with_llm, utilise un LLM pour effectuer le scoring (plus précisément le modèle gpt-4o d’OpenAI). Comme l’indique le contenu de eval_prompt, check_for_missing_fields_with_llm produit une valeur Boolean. Si tous les champs correspondent aux informations de l’image et que le formatage est correct, l’évaluateur renvoie true. Si un champ est manquant, vide, incorrect ou ne correspond pas, le résultat est false, et l’évaluateur renvoie également un message expliquant le problème.

Lancer l’évaluation

Une fois les deux évaluateurs définis, vous pouvez maintenant lancer l’évaluation. Définissez un appel d’évaluation qui parcourt automatiquement le dataset transmis et enregistre les résultats dans l’interface Weave. Le code suivant lance l’évaluation et applique les deux évaluateurs à chaque sortie du pipeline NER. Les résultats sont visibles dans l’onglet Evals de l’interface Weave.
Lorsque le code précédent s’exécute, un lien vers le tableau d’Évaluation dans l’interface Weave est généré. Suivez ce lien pour afficher les résultats et comparer différentes itérations du pipeline sur les modèles, prompts et jeux de données de votre choix. L’interface Weave crée automatiquement une visualisation comme la suivante pour votre équipe.
Résultats d’Évaluation Weave comparant les sorties des évaluateurs sur l’ensemble du jeu de données.