Tus documentos, listos para la IA
Una plataforma de preparación de datos impulsada por Unstructured, instalada y mantenida por DINAO. Transforma tus PDF, Word, correos electrónicos e imágenes en datos limpios y estructurados para tus LLM y pipelines RAG — todo ello alojado en Francia.
¿Qué es Unstructured?
Unstructured es una caja de herramientas de código abierto para la preparación de datos de IA. Su misión: transformar documentos brutos y heterogéneos — PDF, Word, PowerPoint, HTML, correos electrónicos, imágenes escaneadas — en datos limpios, normalizados y estructurados, directamente consumibles por los modelos de lenguaje (LLM) y los pipelines de RAG (Generación Aumentada de Recuperación).
Concretamente, Unstructured ingiere más de veinte tipos de archivos, detecta su estructura (títulos, tablas, listas, diseño), aplica OCR a los documentos escaneados y divide el contenido en chunks coherentes. Sin embargo, la calidad de esta división condiciona directamente la relevancia de un sistema RAG: cuanto mejor preparados estén tus datos, más precisas serán las respuestas de la IA.
La herramienta ofrece conectores de origen y destino (almacenamiento de objetos, unidades, bases vectoriales) así como una API para construir pipelines de ingesta automatizados y reproducibles, desde el documento original hasta el índice vectorial. Gestionado por DINAO y alojado en Francia, es el eslabón ideal para alimentar una IA soberana sin exponer tus documentos confidenciales a un servicio cloud extranjero.
Aloja Unstructured en DINAO
Niveles de recursos compatibles con los requisitos de Unstructured (mínimo 2 cœurs / 4 Go / 10 Go). Alojado en Francia, gestionado.
- 2 vCPU dedicados
- 4 Go de RAM
- 40 Go NVMe
- Copias de seguridad diarias
- Gestionado y supervisado por DINAO
- 4 vCPU dedicados
- 8 Go de RAM
- 80 Go NVMe
- Copias de seguridad diarias
- Gestionado y supervisado por DINAO
- 8 vCPU dedicados
- 16 Go de RAM
- 160 Go NVMe
- Copias de seguridad diarias
- Gestionado y supervisado por DINAO
1 nivel(es) oculto(s) (recursos insuficientes para esta app) : Découverte
Esta aplicación utiliza IA
El contenedor aloja la aplicación, no el motor de IA (que exige GPUs dedicadas) : la inferencia se conecta externamente, con tu propia clave de proveedor. Prioriza un motor soberano — Mistral AI, NumSpot, Scaleway o OVHcloud AI Endpoints (Francia, GDPR) ; un actor internacional (OpenAI, Anthropic…) solo si una capacidad específica lo exige. Suscripciones de inferencia no incluidas en el alojamiento.
Detalles técnicos
Te preguntas…
¿Para qué sirve Unstructured?
Para transformar documentos brutos (PDF, Word, correos electrónicos, imágenes…) en datos limpios y estructurados, directamente utilizables por tus modelos de lenguaje y tus pipelines de RAG.
¿Qué formatos son compatibles?
Más de veinte tipos de archivos: PDF, Word, PowerPoint, HTML, correos electrónicos, así como imágenes escaneadas gracias al OCR. El contenido se normaliza en elementos estructurados.
¿Por qué es importante para mi proyecto de IA?
La calidad de un sistema RAG depende en gran medida de la calidad de la división de los documentos. Unstructured produce chunks limpios, lo que mejora notablemente la relevancia de las respuestas de tu IA.
¿Mis documentos confidenciales permanecen privados?
Sí. Todo el procesamiento se realiza en tu instancia dedicada alojada en Francia. Tus documentos no se envían a un servicio de preparación cloud de terceros.
¿Puedo automatizar la ingesta?
Sí. Gracias a los conectores de origen/destino y a la API, construyes pipelines de ingesta automatizados y reproducibles, desde el almacenamiento hasta la base vectorial.
