Projet en cours

cv-tool v0.1.0

PDF CV → JSON structuré via LLM local

Présentation

Un outil CLI Python qui transforme n'importe quel CV en PDF (scanné ou natif) en données JSON structurées, en utilisant un LLM local via LM Studio. Aucune clé API cloud nécessaire.

État d'avancement

Phase 1 — Extraction PDF + OCR ✓ terminé
Phase 2 — Structuration LLM local + schéma dynamique ✓ terminé
Phase 3 — Export JSON + option Word (bonus) ✓ terminé
Phase 4 — Tests, polish, packaging

Architecture

CV.pdf
  │
  ├─ PDF natif ──► pdfplumber ──► texte brut
  └─ PDF scanné ──► pdf2image + pytesseract ──► texte brut
                        │
                        ▼
                 texte nettoyé
                        │
                        ▼
         ┌─────────────────────────────┐
         │  Schéma JSON utilisateur    │
         │  + LLM local (LM Studio)    │
         └─────────────────────────────┘
                        │
                        ▼
                  JSON structuré
                        │
              ┌─────────┼─────────┐
              ▼         ▼         ▼
          stdout      fichier   (bonus)
                        docx

CLI — Exemples d'utilisation

# JSON avec schéma par défaut
cv-tool cv.pdf

# JSON avec schéma personnalisé
cv-tool cv.pdf --schema mon-schema.yaml

# Texte brut uniquement
cv-tool cv.pdf --extract

# Export Word (bonus)
cv-tool cv.pdf --format docx

# Sauvegarde dans un fichier
cv-tool cv.pdf -o output.json

# Verbose
cv-tool cv.pdf -v

Stack technique

📦 Dépendances principales

pdfplumber — extraction texte natif PDF
PyMuPDF — fallback extraction texte natif
pdf2image + pytesseract — OCR fallback pour scans
openai — client API compatible (LM Studio / Ollama)
pydantic — validation du JSON produit
click — interface CLI
pyyaml — chargement schéma YAML
python-dotenv — variables d'environnement
python-docx — export Word (optionnel)

→ Voir les détails des choix techniques

Schéma JSON — Feature principale

Le schéma JSON est totalement personnalisable. L'utilisateur le fournit via :

Fichier YAML : cv-tool cv.pdf --schema mon-schema.yaml
Fichier JSON : cv-tool cv.pdf --schema mon-schema.json
Inline : cv-tool cv.pdf --schema '{"personal": {...}}'

Un schéma par défaut est fourni dans schemas/default.yaml comme point de départ.

Configuration

Créer un fichier .env à la racine du projet :

LM_STUDIO_URL=http://localhost:1234/v1
LM_STUDIO_API_KEY=your-key-here

LM Studio expose une API compatible OpenAI. Chargez n'importe quel modèle (Llama, Mistral, Phi...) dans LM Studio et cv-tool l'utilisera automatiquement.

Structure du projet

cv-tool/
├── README.md
├── pyproject.toml
├── .env.example
├── cv_tool/
│   ├── __init__.py
│   ├── cli.py              ← interface CLI (click)
│   ├── extractor.py        ← PDF extraction + OCR
│   ├── llm.py              ← structuration LLM local
│   ├── schema.py           ← chargement schéma JSON
│   └── template.py         ← export docx (bonus)
├── schemas/
│   └── default.yaml        ← schéma par défaut
└── config/
    └── default.yaml        ← config par défaut