OCR ou IA : comment lire et exploiter les documents d’une PME

Examiner le document avant de choisir le moteur

Essayez d’abord de sélectionner et rechercher un mot dans le PDF. Un texte présent peut souvent être extrait directement, sans reconnaissance d’image. Cette présence ne garantit toutefois ni un ordre de lecture correct ni des tableaux bien reconstitués. Un export logiciel, un scan et une photo de téléphone doivent être testés séparément.

Conservez le fichier d’origine. Si une copie est redressée ou rendue interrogeable, elle doit rester rattachée à cet original. OCRmyPDF documente notamment l’ajout d’une couche de texte aux PDF scannés. Obtenir un document dans lequel on peut chercher un mot ne signifie pas encore obtenir une fiche fournisseur ou une écriture prête à valider.

Ce que l’OCR reconnaît et ce qui reste à interpréter

L’OCR restitue des caractères et, selon l’outil, leur position. Une ligne peut être lisible tout en étant associée à la mauvaise colonne. Un total et un sous-total peuvent être correctement reconnus mais confondus lors de l’extraction. C’est pourquoi le résultat doit être observé au niveau du champ attendu, pas seulement de la qualité visuelle du texte.

La documentation Tesseract décrit l’effet de la qualité d’image, du bruit et de l’inclinaison sur la reconnaissance. Demander un document mieux numérisé peut être préférable à multiplier les traitements. Une zone coupée ou un montant masqué ne devient pas une information connue parce qu’un modèle propose une suite plausible.

Quand une extraction avec IA peut être utile

Une extraction fondée sur une disposition fixe convient à des documents stables. Une IA peut aider lorsque les libellés et l’organisation varient : retrouver une échéance, distinguer une adresse de livraison d’une adresse de facturation, ou proposer une catégorie documentaire. Elle doit produire des champs limités, avec une valeur absente lorsque le document ne permet pas de répondre.

Présentez à la personne qui contrôle le passage ou la zone dont provient chaque valeur importante. Une explication rédigée après coup ne constitue pas une preuve de lecture. Les rapprochements avec un référentiel, les formats de dates et les calculs de contrôle se vérifient ensuite avec des règles explicites, indépendantes du texte généré.

Exemple hypothétique : une facture accompagnée de son avoir

Une PME reçoit un PDF contenant une facture et un avoir. Une extraction trop simple pourrait conserver uniquement le dernier total et produire un dossier incorrect. Le circuit attendu commence par distinguer les pièces, puis rattache chacune à son type et à sa référence. La présence de plusieurs documents est signalée avant tout import.

Pour la facture, le contrôleur compare fournisseur, référence, date, devise et total à l’original. Pour l’avoir, il vérifie la relation avec la facture concernée. Une référence absente reste à compléter. Cet exemple hypothétique montre pourquoi « le texte a été lu » et « la pièce peut être utilisée » sont deux états différents.

Évaluer les erreurs qui ont une conséquence métier

Constituez un ensemble de documents représentatifs, séparé des exemples utilisés pour régler l’outil. Incluez les mises en page habituelles, mais aussi les scans médiocres, documents incomplets et pièces hors périmètre. Faites valider manuellement les champs attendus pour disposer d’une comparaison fiable.

Évaluez les erreurs par champ : une ponctuation imparfaite dans un libellé n’a pas la même conséquence qu’une devise erronée. Distinguez les valeurs fausses des valeurs volontairement laissées vides. Un système qui demande un contrôle doit être évalué avec le temps de ce contrôle, y compris l’ouverture du document et la correction dans le logiciel destinataire.

Prévoir les conditions d’utilisation et de reprise

Le traitement doit préserver les originaux, les corrections validées et le lien entre les deux. Un nouveau passage de l’extraction ne doit pas écraser silencieusement le travail du contrôleur. Chez Algoria, les données et les traitements IA restent en Suisse ; le périmètre des documents et des accès est défini pour chaque projet.

• Lister les types de pièces acceptés et les champs réellement nécessaires.
• Prévoir une valeur « non déterminée » et une file pour les pièces non exploitables.
• Contrôler les doublons avant de créer un dossier dans le logiciel métier.
• Séparer la validation des données de toute action de paiement ou d’envoi.
• Retester des documents conservés après chaque changement de moteur ou de paramétrage.