Choisir une fonction de traitement de documents

Vous pouvez comparer les fonctions de traitement de documents disponibles dans BigQuery ML pour choisir l'outil le plus adapté à l'analyse de texte et de documents non structurés. Comprendre les différences entre les fonctions AI.GENERATE_TEXT et ML.PROCESS_DOCUMENT vous aide à optimiser vos workflows de données en termes de coût, de compatibilité linguistique et d'analyse de documents structurés.

De manière générale, la différence entre ces fonctions est la suivante :

• AI.GENERATE_TEXT est un bon choix pour effectuer des tâches de traitement du langage naturel (TLN) lorsque certains contenus se trouvent dans des documents. Cette fonction offre les avantages suivants :

  • Réduction des coûts
  • Plus de langues disponibles
  • Débit plus rapide
  • Capacité de réglage de modèle
  • Disponibilité des modèles multimodaux

  Pour obtenir des exemples de tâches de traitement de documents qui fonctionnent le mieux avec cette approche, consultez Explorer les fonctionnalités de traitement de documents avec l'API Gemini.

• ML.PROCESS_DOCUMENT est un bon choix pour effectuer des tâches de traitement de documents qui nécessitent l'analyse de documents et une réponse structurée prédéfinie.

Comparaison des fonctions

Utilisez le tableau suivant pour comparer les fonctions AI.GENERATE_TEXT et ML.PROCESS_DOCUMENT :

	AI.GENERATE_TEXT	ML.PROCESS_DOCUMENT
Objectif	Effectuez n'importe quelle tâche de TLN liée à un document en transmettant une requête à un modèle Gemini ou partenaire ou à un modèle ouvert. Par exemple, à partir d'un document financier d'une entreprise, vous pouvez récupérer des informations sur le document en fournissant une requête telle que What is the quarterly revenue for each division?.	Utilisez l'API Document AI pour effectuer un traitement spécialisé de différents types de documents, tels que des factures, des formulaires fiscaux et des relevés financiers. Vous pouvez également effectuer une segmentation de document.
Facturation	Entraîne des frais BigQuery ML pour les données traitées. Pour en savoir plus, consultez la page Tarifs de BigQuery ML. Des frais Gemini Enterprise Agent Platform s'appliquent pour les appels au modèle. Si vous utilisez un modèle Gemini 2.0 ou version ultérieure, l'appel est facturé au tarif de l'API par lot. Pour en savoir plus, consultez Coût de création et de déploiement de modèles d'IA dans Agent Platform.	Entraîne des frais BigQuery ML pour les données traitées. Pour en savoir plus, consultez la page Tarifs de BigQuery ML. Entraîne des frais pour les appels à l'API Document AI. Pour en savoir plus, consultez Tarifs de l'API Document AI.
Requêtes par minute (RPM)	Non applicable aux modèles Gemini. Entre 25 et 60 pour les modèles partenaires. Pour en savoir plus, consultez Limites de requêtes par minute.	120 RPM par type de processeur, avec une limite globale de 600 RPM par projet. Pour en savoir plus, consultez la liste des quotas.
Jetons par minute	Varie de 8 192 à plus d'un million, selon le modèle utilisé.	Aucune limite de jeton. Cependant, cette fonction a des limites de pages différentes selon le processeur que vous utilisez. Pour en savoir plus, consultez la section Limites.
Réglage supervisé	Le réglage supervisé est compatible avec certains modèles.	Non compatible
Langues disponibles	La compatibilité varie en fonction du LLM que vous choisissez.	La compatibilité linguistique dépend du type de processeur de document. La plupart ne sont compatibles qu'avec l'anglais. Pour en savoir plus, consultez la liste des processeurs.
Régions où le service est disponible	Compatible avec toutes les régions de l'IA générative pour Agent Platform.	Compatible avec les emplacements multirégionaux EU et US pour tous les processeurs. Certains processeurs sont également disponibles dans certaines régions uniques. Pour en savoir plus, consultez Compatibilité régionale et multirégionale.