Les PDF sont difficiles à analyser par l'IA en raison de leur structure, ce qui pourrait conduire au développement de formats alternatifs plus faciles à lire.

Le format PDF, créé par Adobe en 1993, est extrêmement populaire pour les documents, mais représente un défi pour les systèmes d'intelligence artificielle. Bien que les PDF soient conçus pour être lus par des humains, leur structure compliquée, comme les colonnes, les graphiques et les tableaux, rend l'analyse automatique difficile. Les programmes d'IA doivent utiliser des technologies de reconnaissance optique de caractères (OCR) pour extraire le texte, mais ils rencontrent des difficultés avec des documents complexes. En revanche, des formats comme HTML sont plus faciles à analyser grâce aux balises qui indiquent la structure du document.

Les limitations des PDF affectent à la fois les utilisateurs, qui ont des difficultés à les analyser, et les entreprises d'IA, qui ne peuvent pas accéder à un grand volume de données stockées dans des formats non structurés. Dans ce contexte, des startups comme Factify explorent le développement de nouveaux formats qui combinent les avantages du PDF avec une analyse plus facile par l'IA. De plus, la société Mistral travaille sur un système OCR basé sur l'IA pour améliorer la lecture des documents PDF. Bien que le PDF reste le standard dominant, la demande pour des formats plus conviviaux pour les machines augmente à mesure que l'intelligence artificielle devient de plus en plus pertinente.