Homelab 12 : tous vos papiers numérisés, lus et retrouvables avec Paperless-ngx

Paperless-ngx transforme le papier en archive où l'on peut chercher. Un scan, une photo de téléphone, un fichier Office ou un e-mail arrive dans un dossier ; Paperless le lit par OCR, devine le correspondant et le type, l'étiquette, et le classe. Ensuite, la recherche d'un mot le retrouve sur n'importe quelle page de n'importe quel document, des années plus tard.

Un peu d'histoire

Paperless est né en 2015 comme le moyen d'un développeur de scanner, passer à l'OCR et oublier son courrier papier. La communauté l'a porté à travers deux forks, paperless-ng puis paperless-ngx en 2022, en ajoutant un classement par apprentissage automatique : les documents se rangent seuls par correspondant, type et étiquette dès qu'il en a vu quelques exemples.

1. Le lancer

Le projet publie des fichiers Docker Compose : Paperless avec PostgreSQL et Redis, et une variante avec Tika et Gotenberg pour lire aussi les documents Office et les e-mails. Prenez cette variante, épinglez la version, et réglez au minimum :

PAPERLESS_SECRET_KEY=<une longue valeur aléatoire>  # obligatoire : il refuse de démarrer sans
PAPERLESS_URL=https://paperless.votredomaine.tld     # derrière un proxy : hôtes autorisés et CSRF en un réglage
PAPERLESS_OCR_LANGUAGE=fra                          # la langue de la plupart de vos papiers
PAPERLESS_TIKA_ENABLED=1

Publiez-le par votre proxy HTTPS (Homelab 2), ou gardez-le sur votre réseau privé (Homelab 6) : ce sont vos documents les plus personnels.

2. Le nourrir

Partagez le dossier d'entrée sur votre réseau et faites-y enregistrer votre scanner, ou envoyez depuis la page web et les apps mobiles. Paperless prend un fichier, le traite, et le retire du dossier. Apprenez-lui une fois : corrigez le correspondant et les étiquettes sur quelques documents, et le classement automatique apprend.

3. Le sauvegarder comme il l'attend

L'exportateur écrit chaque document et toutes les métadonnées (étiquettes, correspondants, notes) dans un dossier que vous pouvez sauvegarder et importer n'importe où :

docker compose exec -T webserver document_exporter ../export

Lancez-le chaque nuit avant votre copie (Homelab 5). Pour restaurer : document_importer sur ce dossier, dans une instance neuve.

Pièges

La langue de l'OCR est l'anglais par défaut. Des papiers français lus comme de l'anglais sortent pleins d'erreurs et la recherche les rate. Le français est inclus dans l'image : réglez fra. Les combinaisons comme fra+eng marchent, au prix de beaucoup plus de temps processeur.

Un dossier d'entrée sur un partage réseau ne signale pas les nouveaux fichiers à Paperless. Activez la scrutation (PAPERLESS_CONSUMER_POLLING_INTERVAL), sinon les fichiers attendent pour toujours.

Copier la base seule n'est pas une sauvegarde de Paperless : fichiers et base doivent correspondre. Utilisez l'exportateur, qui écrit les deux de façon cohérente.

Sources

• Paperless-ngx, official repository

Utile ? Dites-nous ce qu'il faut mesurer ensuite.