Guide Extracteur & Pipeline documentaire

1. Objectif de l’extracteur

L’extracteur transforme une documentation IBM source en données structurées utilisables par Assistant z/OS. Il ne remplace pas la documentation IBM : il en prépare le contenu pour la recherche, la consultation et les traitements complémentaires.

Le principe général est de séparer clairement la source documentaire, la structuration, le chargement, la traduction et l’analyse IA.

2. Lecture du PDF IBM

Le traitement commence par la documentation IBM, généralement en anglais. L’extracteur parcourt les pages et identifie les références techniques recherchées : messages, codes, rubriques documentaires et informations associées.

1

Ouverture du document Le PDF IBM constitue la source de référence du traitement.

2

Parcours des pages L’extracteur avance page par page dans le corpus.

3

Détection des références Les messages ou codes sont identifiés avec leurs différentes rubriques.

4

Conservation de l’origine La page PDF et la source documentaire sont conservées pour la traçabilité.

3. Génération du JSON structuré

Une fois l’extraction terminée, les données sont regroupées dans un fichier JSON structuré. Cette étape intermédiaire rend le résultat contrôlable avant son chargement en base.

Le JSON sert de zone de passage explicite entre le document source et la base. Il peut être conservé sur le NAS pour audit, contrôle ou reprise.

4. Chargement en base

Le JSON validé est ensuite chargé dans la table source du module concerné. La table anglaise devient le corpus documentaire exploitable par Assistant z/OS.

Chargement dans la table source EN.

Conservation des identifiants techniques.

Conservation de la page et de la source PDF.

Contrôle du nombre de références importées.

5. Traduction française

La traduction constitue une étape séparée de l’extraction. Le corpus anglais sert de base au moteur de traduction, qui produit progressivement le corpus français.

PDF IBM EN Document source.

Extracteur Lecture et structuration.

JSON Fichier intermédiaire contrôlable.

Table EN Corpus source chargé en base.

Traduction FR Traitement par lots avec reprise.

Table FR Corpus français exploitable.

6. Reprise sur incident

Le traitement de traduction est conçu pour reprendre sans recommencer l’ensemble du corpus. Les lignes déjà traduites ou validées sont conservées.

Les statuts translated et reviewed sont préservés.

Les éléments pending ou error peuvent être repris.

Les lots peuvent être relancés sans écraser les traductions terminées.

Les compteurs permettent de suivre l’avancement.

7. Traçabilité documentaire

La traçabilité est un principe central du pipeline. L’utilisateur doit toujours pouvoir distinguer la documentation IBM source, la traduction française et l’interprétation produite par l’IA.

La documentation IBM reste la référence de contrôle. La traduction et l’analyse IA sont des couches distinctes d’assistance.

8. Exploitation dans Assistant z/OS

Une fois les corpus chargés, les données peuvent être utilisées par les différentes fonctions du produit.

Recherche dédiée par produit.

Recherche universelle.

Vue IBM Original.

Vue IBM Français.

Analyse IA.

Favoris.

9. Ancien et nouveau fonctionnement

Le mécanisme actuel rend les étapes plus visibles et mieux séparées.

Ancien fonctionnement

L’extraction, la structuration et le chargement étaient davantage enchaînés directement.

Fonctionnement actuel

Le JSON constitue désormais une étape intermédiaire explicite entre l’extracteur et la base. Cela améliore la lisibilité, le contrôle, la reprise et la traçabilité du traitement.

10. Exemple concret : IMS 15.2

Le module IMS 15.2 illustre le pipeline complet.

1. PDF IBM Documentation IMS 15.2 en anglais.

2. Extraction Détection des messages DFS.

3. JSON Données structurées intermédiaires.

4. Table EN ims_messages_en

5. Traduction Traitement FR par lots avec reprise.

6. Table FR ims_messages_fr

La traduction française IMS n’est donc pas une seconde extraction PDF : elle est produite à partir du corpus anglais déjà structuré.

11. Bonnes pratiques

Conserver le PDF source IBM.

Conserver le JSON intermédiaire.

Contrôler les compteurs avant et après import.

Ne pas écraser une table source sans validation.

Traduire par lots avec possibilité de reprise.

Conserver la séparation source / traduction / IA.