Aller au contenu

Paperless-ngx - Document Management System

URL: https://paperless.srv759970.hstgr.cloud Container: paperless-ngx Stack: Paperless-ngx + PostgreSQL + Redis + Tika

Vue d'Ensemble

Paperless-ngx est un système de gestion documentaire intelligent qui numérise, indexe et organise automatiquement vos documents papier et numériques.

Fonctionnalités Principales

  • 📄 Numérisation intelligente - Import automatique depuis scanners, email, FTP
  • 🔍 OCR avancé - Reconnaissance de texte avec Tesseract + Apache Tika
  • 🏷️ Auto-tagging - Classification automatique par machine learning
  • 📊 Correspondants & Types - Organisation par expéditeur/destinataire et catégories
  • 🔐 Chiffrement - Stockage sécurisé des documents sensibles
  • 📱 Interface moderne - UI responsive Angular avec dark mode
  • 🔎 Recherche full-text - Indexation complète avec filtres avancés
  • 📧 Import email - Consommation automatique depuis boîtes mail IMAP

Architecture

┌─────────────────────────────────────────────┐
│          Paperless-ngx Frontend             │
│         (Angular SPA - Port 8000)           │
└─────────────────┬───────────────────────────┘
                  │
    ┌─────────────┴──────────────┐
    │                            │
┌───▼────────┐          ┌────────▼─────┐
│ PostgreSQL │          │    Redis     │
│  Database  │          │    Cache     │
└────────────┘          └──────────────┘
                                │
                    ┌───────────┴──────────┐
                    │                      │
              ┌─────▼─────┐         ┌──────▼──────┐
              │   Tika    │         │  Gotenberg  │
              │ (OCR/Parse)│         │    (PDF)    │
              └───────────┘         └─────────────┘

Configuration

Variables d'Environnement

environment:
  - PAPERLESS_REDIS=redis://redis:6379
  - PAPERLESS_DBHOST=db
  - PAPERLESS_DBNAME=paperless
  - PAPERLESS_DBUSER=paperless
  - PAPERLESS_DBPASS=<password>
  - PAPERLESS_TIKA_ENABLED=1
  - PAPERLESS_TIKA_ENDPOINT=http://tika:9998
  - PAPERLESS_TIKA_GOTENBERG_ENDPOINT=http://gotenberg:3000
  - PAPERLESS_OCR_LANGUAGE=fra+eng
  - PAPERLESS_TIME_ZONE=Europe/Paris
  - PAPERLESS_ADMIN_USER=admin
  - PAPERLESS_URL=https://paperless.srv759970.hstgr.cloud

Volumes

volumes:
  - /opt/paperless/data:/usr/src/paperless/data
  - /opt/paperless/media:/usr/src/paperless/media
  - /opt/paperless/export:/usr/src/paperless/export
  - /opt/paperless/consume:/usr/src/paperless/consume

Utilisation

Import de Documents

1. Via Interface Web - Glisser-déposer dans l'interface - Upload multiple supporté

2. Via Dossier de Consommation 

# Copier documents dans le dossier consume
cp document.pdf /opt/paperless/consume/

# Paperless détecte et traite automatiquement

3. Via Email 

# Configuration IMAP dans Admin > Mail
# Paperless récupère automatiquement les pièces jointes

Workflow de Traitement

Upload → OCR/Parsing → Classification → Tagging → Indexation → Archivage
  1. OCR/Parsing - Extraction texte via Tesseract + Tika
  2. Classification - Détection automatique du type de document
  3. Tagging - Application des tags par règles ou ML
  4. Indexation - Ajout au moteur de recherche full-text
  5. Archivage - Stockage sécurisé avec versioning

Recherche Avancée

Syntaxe de recherche: 

# Recherche simple
facture edf

# Avec tags
tag:facture tag:edf

# Avec correspondant
correspondent:edf

# Par date
created:[2024-01-01 to 2024-12-31]

# Combinaison
tag:facture correspondent:edf created:[2024-01-01 to *]

Intégrations

Apache Tika

Paperless utilise Tika pour: - Parsing de formats complexes (Office, iWork, etc.) - OCR avancé pour images et PDF scannés - Extraction de métadonnées

Endpoint Tika: http://tika.srv759970.hstgr.cloud

Gotenberg

Service de conversion PDF pour: - Génération de previews - Conversion Office → PDF - Fusion de documents

Redis

Cache pour: - Sessions utilisateurs - Résultats de recherche - Tasks Celery (processing asynchrone)

API

Documentation

Swagger UI: https://paperless.srv759970.hstgr.cloud/api/docs/

Endpoints Principaux

# Authentification
POST /api/token/
POST /api/token/refresh/

# Documents
GET /api/documents/
GET /api/documents/{id}/
POST /api/documents/
DELETE /api/documents/{id}/

# Téléchargement
GET /api/documents/{id}/download/
GET /api/documents/{id}/preview/

# Recherche
GET /api/documents/?query=facture&tags__id__in=1,2

# Tags
GET /api/tags/
POST /api/tags/

# Correspondants
GET /api/correspondents/
POST /api/correspondents/

Exemple d'Utilisation

# Obtenir un token
TOKEN=$(curl -X POST https://paperless.srv759970.hstgr.cloud/api/token/ \
  -H "Content-Type: application/json" \
  -d '{"username":"admin","password":"<password>"}' \
  | jq -r .access)

# Lister les documents
curl https://paperless.srv759970.hstgr.cloud/api/documents/ \
  -H "Authorization: Bearer $TOKEN"

# Upload d'un document
curl -X POST https://paperless.srv759970.hstgr.cloud/api/documents/post_document/ \
  -H "Authorization: Bearer $TOKEN" \
  -F "document=@facture.pdf" \
  -F "title=Facture EDF Janvier 2024"

Administration

Accès Admin

URL: https://paperless.srv759970.hstgr.cloud/admin/ Username: admin Password: Voir /opt/paperless/.env

Commandes de Gestion

# Accéder au container
docker exec -it paperless-ngx bash

# Créer un superuser
docker exec -it paperless-ngx python3 manage.py createsuperuser

# Re-indexer tous les documents
docker exec -it paperless-ngx python3 manage.py document_index reindex

# Lancer OCR sur documents existants
docker exec -it paperless-ngx python3 manage.py document_retagger --tags

# Backup
docker exec -it paperless-ngx python3 manage.py document_exporter /export/backup/

Maintenance

Nettoyage des vignettes: 

docker exec -it paperless-ngx python3 manage.py document_thumbnails --recreate

Vérification de l'index: 

docker exec -it paperless-ngx python3 manage.py document_index check

Sécurité

Protection

  • ✅ HTTPS - Let's Encrypt SSL/TLS
  • ✅ Authentification - Comptes utilisateurs avec permissions
  • ✅ Basic Auth Nginx - Protection supplémentaire au niveau proxy
  • ✅ CORS - Configuré pour l'API

Recommandations

  1. ✅ Activer 2FA pour les comptes admin
  2. ✅ Rotation régulière des tokens API
  3. ✅ Limiter les permissions par utilisateur
  4. ✅ Chiffrer les documents sensibles

Troubleshooting

Les Documents ne Sont pas Traités

Vérifier les workers: 

docker logs paperless-ngx | grep celery
docker exec -it paperless-ngx celery -A paperless inspect active

Vérifier la queue: 

docker exec -it paperless-ngx celery -A paperless inspect reserved

OCR Échoue

Vérifier Tika: 

curl http://tika.srv759970.hstgr.cloud

Vérifier les logs OCR: 

docker logs paperless-ngx | grep -i ocr

Problèmes de Performance

Augmenter les workers: 

environment:
  - PAPERLESS_TASK_WORKERS=4
  - PAPERLESS_THREADS_PER_WORKER=2

Monitoring

Métriques

  • Documents totaux
  • Documents traités aujourd'hui
  • Queue size
  • Temps moyen de traitement
  • Espace disque utilisé

Logs

# Logs temps réel
docker logs -f paperless-ngx

# Logs Celery
docker logs paperless-ngx | grep celery

# Logs OCR
docker logs paperless-ngx | grep tesseract

Voir Aussi

Liens Externes

  • Documentation officielle: https://docs.paperless-ngx.com/
  • GitHub: https://github.com/paperless-ngx/paperless-ngx
  • Forum: https://github.com/paperless-ngx/paperless-ngx/discussions

Dernière mise à jour: 2025-10-23 Prochaine révision: Après optimisation OCR