MtoM Mag - Le journal de l'MtoM.
- accueil .
- newsletter .
Flux RSS . - soumissions .
- publicité .
- contacts
Flux RSS .
Ce partenariat d’envergure entre deux acteurs européens de l’Intelligence artificielle est un élément structurant pour Golem.ai qui démontre une nouvelle fois sa capacité à concilier innovation et pragmatisme. À travers cet accord, la solution InboxCare se positionne donc comme l’une des plus performantes de son marché pour fluidifier l’automatisation du traitement des messages électroniques.
Les utilisateurs d’Inboxcare peuvent donc s’appuyer sur une technologie révolutionnaire pour accroître leur qualité de service et répondre à de nombreux cas d’usage, par exemple dans le traitement des demandes et réclamations clients. Utiliser Golem.ai est l’assurance de simplifier le traitement des messages pour les collaborateurs avec une extraction totale des informations contenues (corps de mail et pièces jointes).
Killian Vermersch, CEO & Co-fondateur chez Golem.ai « Unifier et automatiser le traitement des messages et des pièces jointes est un enjeu de productivité majeur pour nos clients. Nous avons souhaité leur apporter une réponse opérationnelle concrète, pérenne et souveraine. Le partenariat franco-allemand conclu avec PLANET AI s’inscrit dans cette trajectoire. PLANET AI propose un OCR unique qui s’intègre parfaitement avec notre solution et nous permet d’accroître significativement notre proposition de valeur. »
Fort de ces éléments, Golem.ai est le seul acteur du marché à offrir un niveau d’automatisation de traitement de messages aussi abouti. Inboxcare combine donc performance, sobriété numérique, OCR de nouvelle génération et technologie linguistique symbolique sans entraînement.
Jesper Kleinjohann, COO & Co-fondateur chez PLANET AI : “Classical OCR approaches rely on pre-processing steps like binarization and character segmentation to read each and every character. This has strong limitations if the scan or image quality drops or especially for handwritten texts. PLANET AI’s approach processes text as a sequence like we humans do, avoiding all the negative downsides of classical OCR approaches. We preserve all the information offering a deep understanding of the captured text for subsequent tasks.”
