# GriTS, TEDS et l'extraction de tableaux : limites et solutions

> Découvrez pourquoi GriTS et TEDS ne suffisent pas pour évaluer l'extraction de tableaux. Comprenez leurs limites et les solutions pour une évaluation sémantique fiable.

Published: 2026-11-16

Canonical: https://sygnet.ai/fr/blog/grits-teds-extraction-tableaux-limites-solutions

---

## À retenir
- GriTS compare les tableaux comme des matrices 2D et TEDS les compare comme des arbres HTML, si bien que les deux mesurent *où* se situe une cellule et *quelle chaîne* elle contient, mais jamais si l'en-tête au-dessus d'une colonne est bien le bon en-tête pour cette colonne.
- Dans une étude de validation humaine portant sur plus de 1 500 jugements de qualité, l'évaluation sémantique par LLM corrèle avec le jugement humain à un coefficient de Pearson de 0,93, contre 0,68 pour TEDS et 0,70 pour GriTS.
- TEDS pénalise davantage une ligne manquante qu'une colonne manquante, car les nœuds `tr` se situent plus haut dans le DOM que les nœuds `td` : supprimer une colonne dans un tableau de 5 lignes coûte 5 modifications, supprimer une ligne en coûte 6.
- Si votre cas d'usage repose sur la lecture clé-valeur (lignes de facture, résultats de laboratoire, états financiers), ajoutez un contrôle de l'association en-tête/colonne et un test de correspondance exacte par champ en complément de GriTS/TEDS, car un tableau noté 0,95 en GriTS peut très bien avoir inversé deux en-têtes de colonnes.

## Que mesurent exactement GriTS et TEDS ?

Ils mesurent la concordance structurelle et textuelle entre un tableau prédit et un tableau de référence, rien de plus : ils ne disent rien du sens de l'association entre un en-tête et sa colonne. GriTS évalue un tableau prédit directement sous sa forme naturelle de matrice, en généralisant le problème NP-difficile de la plus grande sous-structure commune en 2D à un problème de « sous-structures 2D les plus similaires », résolu par une heuristique en temps polynomial. Une variante donnée de GriTS se définit par le choix d'une propriété de cellule de grille associée à une fonction de similarité : topologie, contenu ou position. Pour le contenu, le texte des cellules est comparé via une plus longue sous-séquence commune normalisée.

TEDS prend la voie de l'arbre. Les tableaux sont représentés sous forme d'arbres HTML avec des enfants `thead` et `tbody`, des lignes `tr`, des feuilles `td` portant des attributs colspan, rowspan et de contenu, et la similarité est calculée avec la distance d'édition d'arbres de Pawlik-Augsten, à coût unitaire pour l'insertion et la suppression. Les deux métriques posent la même question : la cellule (i, j) existe-t-elle, et sa chaîne correspond-elle à peu près ? Aucune ne demande si les valeurs de la colonne 3 appartiennent bien au libellé situé en ligne 0, colonne 3.

## Pourquoi les en-têtes de colonnes inversés passent-ils inaperçus ?

Parce qu'échanger deux libellés d'en-tête constitue une perturbation minime au niveau de la chaîne de caractères, qui laisse intacte la géométrie de la grille. Prenons un tableau financier de 12 colonnes où « T1 2025 » et « T2 2025 » se retrouvent au-dessus des mauvaises colonnes. Topologie de la grille : identique. Emplacements des cellules : identiques. Seules deux cellules de contenu diffèrent, chacune restant partiellement similaire selon la LCS ou la distance de Levenshtein. Sur un tableau de 12x20, cela représente 2 cellules sur 240, de sorte que les scores basés sur le contenu restent au-dessus de 0,99 alors que chaque chiffre du tableau est désormais attribué à la mauvaise période.

> Deux libellés intervertis sur 240 cellules coûtent moins d'un pour cent à votre métrique et cent pour cent de l'exactitude de vos données.

TEDS, GriTS et SCORE comparent la structure et le contenu de manière purement syntaxique : ils ne peuvent donc pas distinguer les écarts qui altèrent le contenu sémantique d'un tableau de ceux qui ne sont que de simples variations de représentation. Cette asymétrie joue dans les deux sens : un reformatage inoffensif est pénalisé, tandis qu'une inversion d'en-têtes, qui détruit le sens, ne coûte presque rien. Les parseurs aplatissent couramment les en-têtes multi-niveaux ou résolvent les rowspans, parce que des formats comme le Markdown ne disposent d'aucun mécanisme de colspan/rowspan, ce qui produit des valeurs répétées ou des cellules de remplissage vides qui font baisser les scores sans réelle perte d'information.

## La détection des en-têtes n'est-elle pas une tâche à part ?

Si, et c'est précisément pour cette raison que les métriques les plus répandues n'y sont pas sensibles. La littérature sur l'extraction de tableaux découpe le problème en trois volets. L'analyse fonctionnelle reconnaît les clés et les valeurs d'un tableau, et se distingue de la reconnaissance de la structure du tableau (TSR), que les auteurs de PubTables-1M abordent selon trois angles : la topologie des cellules, leur contenu et leur position. GriTS a été conçu pour isoler la TSR de l'analyse fonctionnelle, en partie comme critique des métriques antérieures. Les auteurs notent que les métriques de Zhong et al. et de Li et al. ne dissocient pas la TSR de l'analyse fonctionnelle et mélangent les deux aspects, ce qui a motivé la création de nouvelles métriques préservant la véritable structure topologique d'un tableau.

Ce choix de conception se justifie pour la recherche en modélisation, mais il induit en erreur en production. Un score TSR propre vous indique que la grille a été correctement reconstruite ; il ne dit rien sur la capacité de votre pipeline d'extraction à placer le bon chiffre dans le bon champ. TEDS intègre au moins une séparation `thead`/`tbody`, qui encode partiellement le rôle des en-têtes, mais il continue de traiter les libellés d'en-tête comme de simples chaînes interchangeables au sein de cette zone.

## Que détectent réellement ces métriques, et que ratent-elles ?

| Type d'erreur | GriTS | TEDS | Correspondance exacte au niveau du champ |
|---|---|---|---|
| Ligne ou colonne manquante | Détectée, de façon symétrique (GriTS-Con renvoie une valeur quasi identique que ce soit une ligne ou une colonne qui soit supprimée) | Détectée, mais de façon asymétrique (une ligne manquante est plus pénalisée qu'une colonne manquante) | Détectée si le champ est dans le périmètre |
| Décalage de cellule à plusieurs sauts | Détecté | Détecté (un décalage de 90 % sur la première ligne donne un TEDS de 34,9 % contre un F1 de 80,3 % pour la relation d'adjacence) | Détecté |
| Bruit OCR dans le texte de la cellule | Crédit partiel via la LCS | Crédit partiel via Levenshtein | Détecté, échec net |
| Deux en-têtes de colonnes intervertis | Quasiment invisible | Quasiment invisible | Détecté |
| Aplatissement des en-têtes en Markdown | Robuste aux variations de balisage | Surpénalisé | Non applicable |
| Équivalence sémantique (unités, formats de nombres) | Non détectée | Non détectée | Non détectée, sauf normalisation |

## Comment tester concrètement l'orientation des en-têtes ?

Il faut évaluer directement l'association clé-valeur, et non la grille : pour chaque triplet de référence (en-tête, libellé de ligne, valeur), vérifiez que la sortie du parseur reproduit bien ce même triplet. Cela transforme l'extraction de tableau en un test au niveau du champ et fait d'une inversion d'en-tête un échec net plutôt qu'une simple erreur d'arrondi. Trois niveaux pratiques :

**1. Précision de correspondance des triplets.** Sérialisez les deux tableaux en tuples (en-tête de colonne, en-tête de ligne, valeur de cellule) et calculez la précision et le rappel en correspondance exacte. Un en-tête interverti casse d'un coup chaque tuple de deux colonnes, c'est exactement le signal que l'on recherche.

**2. Suite de perturbations adverses.** Construisez-la comme les auteurs des métriques ont construit les leurs : des corruptions contrôlées de la référence. Évaluer une métrique sur une référence modifiée ou corrompue est le seul moyen de révéler sa sensibilité, ou son insensibilité, à une propriété donnée. Permutez les libellés d'en-tête, transposez les blocs d'en-tête, supprimez une ligne d'en-tête, et vérifiez que votre score baisse en conséquence. Si GriTS ne bouge que de 0,004 lors d'une inversion d'en-tête, vous venez de documenter l'angle mort.

**3. Jugement sémantique quand les tuples restent ambigus.** Le LLM-as-a-judge a atteint un r=0,93 par rapport au jugement humain dans le benchmark cité plus haut, contre 0,68 et 0,70 pour TEDS et GriTS, ce qui en fait un arbitre raisonnable pour les changements d'unités et les en-têtes multi-niveaux reformatés. Gardez-le comme seconde passe, pas comme filtre principal : il est plus lent et non déterministe.

Sygnet publie une [checklist pour évaluer la précision d'extraction](https://sygnet.ai/checklists/extraction-accuracy-evaluation) qui couvre la conception de tests au niveau du champ, ainsi qu'une [checklist d'ingestion de documents pour le RAG](https://sygnet.ai/checklists/rag-document-ingestion) destinée aux équipes dont les tableaux finissent dans un index de recherche plutôt que dans une base de données.

## Pourquoi est-ce plus critique encore pour les pipelines RAG et VLM ?

Parce que l'association en-tête/valeur est la seule chose que porte un chunk de retrieval, et qu'un modèle vision-langage produira volontiers un tableau fluide et bien formé avec les libellés dans le mauvais ordre. Des benchmarks comme OmniDocBench (1 355 pages) et READoc (3 576 documents) incluent une évaluation explicite des tableaux, mais s'appuient sur TEDS et la distance d'édition, qui capturent la similarité structurelle sans évaluer l'équivalence sémantique. Un modèle peut donc dominer un classement public tout en inversant des en-têtes sur vos documents, car la métrique du classement n'a tout simplement aucun terme pour le détecter.

La situation empire encore lorsque les tableaux sont aplatis pour l'embedding. Une fois qu'un tableau devient du Markdown ou une phrase par ligne, l'association aux en-têtes est figée définitivement : aucune étape ultérieure ne peut la corriger, et un système de retrieval n'a aucun moyen de détecter l'inversion. On peut aussi rapprocher cela de l'[approche de type tests unitaires](https://sygnet.ai/compare/unstructured-alternative) utilisée par certains parseurs, où olmOCR-Bench comporte 1 020 tests unitaires spécifiques aux tableaux répartis sur 1 402 PDF, axés sur une vérification réussite/échec au niveau de la cellule. Les assertions binaires sur les cellules restent grossières, mais une assertion bien écrite peut au moins encoder le fait que « cette valeur appartient à cet en-tête ».

Pour ceux qui construisent leur propre solution plutôt que d'en acheter une, la conclusion pratique est que votre dispositif d'évaluation a besoin d'une couche que les métriques de recherche ne fournissent pas. Les arbitrages sont détaillés dans l'[analyse build vs buy pour l'IDP](https://sygnet.ai/build-vs-buy-idp) de Sygnet.

## FAQ
### GriTS est-il meilleur que TEDS pour l'extraction de tableaux en production ?

GriTS se comporte mieux sur le plan structurel. Il opère sur la grille en 2D plutôt que sur un arbre, traite les lignes et les colonnes de façon symétrique, et résiste bien aux variations de balisage, même si la comparaison du contenu reste fondée sur des chaînes de caractères. TEDS pénalise davantage les lignes manquantes que les colonnes manquantes et réagit de façon excessive à l'aplatissement des en-têtes façon Markdown. Aucun des deux ne suffit à lui seul : tous deux attribueront plus de 0,95 à un tableau dont les en-têtes sont inversés, dès lors que la grille est suffisamment grande.

### Quelle est l'ampleur numérique de cet angle mort ?

Elle évolue en sens inverse de la taille du tableau. Intervertir deux libellés d'en-tête modifie 2 cellules de contenu. Sur un tableau de 10x20, cela représente environ 1 % des cellules, et comme la LCS accorde un crédit partiel pour les caractères partagés (fréquent dans des libellés comme « T1 2025 » et « T2 2025 »), la baisse réelle est généralement bien inférieure à 1 %. Pendant ce temps, 100 % des valeurs des deux colonnes se retrouvent mal attribuées.

### Que faut-il reporter en complément de GriTS ?

Reportez trois chiffres : le F-score GriTS-Con pour la structure, la précision en correspondance exacte au niveau du champ sur les clés que votre logique métier exploite, et un taux de réussite de l'association en-tête/colonne issu d'une suite de permutations adverses. Le premier indique si la grille a bien été analysée, le deuxième si les données sont exploitables, le troisième si ce deuxième chiffre est fiable sur des documents dont vous n'avez pas encore vu les en-têtes.