Commencer par les documents que l’équipe reçoit
Un projet d’extraction doit être évalué sur les documents du quotidien : fichiers exportés, photographies, pages annotées et lots incomplets. Les difficultés ne se limitent pas à la reconnaissance des caractères. Il faut aussi comprendre à quel dossier appartient une page, quelle valeur correspond au champ demandé et ce qui reste impossible à déterminer.
Prenons un distributeur fictif de fournitures pour ateliers. Son équipe reçoit des bons de livraison par courriel et parfois sous forme de photographies prises dans l’entrepôt. Elle veut préparer un rapprochement entre les quantités commandées et reçues. Le système doit donc distinguer plusieurs chiffres présents sur un même document, repérer les livraisons partielles et conserver les remarques utiles. Une liste de valeurs correctement formatées ne suffit pas : chaque valeur doit désigner le bon objet et pouvoir être reliée au document qui l’a fournie.
Organiser la réception avant la lecture
Définissez les documents acceptés et les informations nécessaires pour les rattacher au travail en cours. Un fichier peut contenir plusieurs bons, tandis qu’une livraison peut être répartie sur plusieurs pièces. La réception doit conserver le lien entre le message, les fichiers reçus et le dossier concerné, afin de pouvoir retrouver ce qui a réellement été transmis.
Dans notre exemple, l’équipe peut vérifier la présence des pages annoncées et signaler les fichiers illisibles ou protégés. Si une photographie coupe le bas du tableau, le système doit demander une version complète avant de conclure sur les quantités. Il peut préparer les champs lisibles en attendant, avec un statut explicite. Une donnée partielle doit rester identifiable comme telle. Cette étape évite de traiter un problème d’entrée comme une erreur de raisonnement et donne à la personne chargée du dossier une action concrète pour le débloquer.
Définir précisément les champs à extraire
Le bon de livraison peut présenter une quantité commandée, une quantité expédiée et une quantité restant à livrer. Un champ simplement nommé « quantité » entretient une ambiguïté. Décrivez ce que chaque donnée représente, son unité et son lien avec la référence de l’article. Ajoutez la manière de traiter une valeur absente ou une annotation manuscrite qui semble la corriger.
La définition peut indiquer que « quantité reçue » correspond à la valeur constatée par l’équipe à réception, tandis que « quantité expédiée » provient du bon fournisseur. Ces deux informations ne doivent pas être fusionnées si elles diffèrent. Conservez la valeur lue et sa forme normalisée lorsque c’est utile au contrôle. Une référence comportant des zéros initiaux doit, par exemple, rester un identifiant et ne pas être transformée en simple nombre. Ces règles se préparent avec les utilisateurs qui exploiteront les données.
Choisir une lecture adaptée au document
Un fichier contenant déjà du texte peut permettre une extraction directe, tandis qu’une photographie demande une étape de lecture d’image. La reconnaissance optique de caractères transforme une image de texte en caractères exploitables. Un modèle capable d’analyser l’image peut également aider à interpréter la disposition du document. Le choix doit être évalué sur les fichiers du projet.
Préparez plusieurs formats représentatifs et comparez les champs obtenus, le temps de traitement et le travail de correction. Le système le plus utile n’est pas forcément celui qui produit la réponse la plus élégante. Pour notre distributeur, retrouver correctement les lignes et leurs unités compte davantage qu’une description générale de la livraison. Si un document est mal lu, examinez la page et l’étape qui a échoué avant de modifier les consignes. La qualité de l’entrée et la structure du tableau peuvent expliquer le problème.
Conserver les relations à l’intérieur des tableaux
Une extraction peut reconnaître tous les nombres d’une page tout en les associant aux mauvais articles. Les lignes coupées, les descriptions sur plusieurs rangées et les reports de page rendent cette erreur difficile à repérer dans une simple liste. Le résultat doit conserver la relation entre référence, description, quantité et unité pour chaque ligne.
Imaginons un bon où douze cartons de vis et six boîtes de rondelles figurent sur deux lignes voisines. Une permutation des quantités reste plausible si l’on examine les nombres isolément. Elle devient visible lorsque le relecteur voit la ligne du document à côté du résultat. Testez les tableaux qui continuent sur la page suivante et ceux qui comportent des sous-totaux. Une ligne de récapitulatif ne doit pas être importée comme un article supplémentaire. Ces cas méritent des contrôles explicites parce qu’ils peuvent fausser le rapprochement tout en donnant une impression de complétude.
Contrôler la cohérence sans conclure trop vite
Les règles métier peuvent détecter des incohérences après la lecture. Une référence absente du catalogue, une unité inhabituelle ou un total incompatible avec les lignes sont des raisons de vérifier. Pour une livraison de dix lots de vingt pièces, le rapprochement doit distinguer dix lots et deux cents pièces. Le calcul peut être confié à une règle explicite, avec les unités correspondantes.
Une cohérence arithmétique ne prouve cependant pas que toutes les valeurs sont correctes. Deux lignes peuvent avoir été permutées, ou le bon peut concerner une autre commande. Combinez donc plusieurs contrôles portant sur des aspects différents : identité du dossier, références, unités et quantités. Une anomalie doit être expliquée à la personne qui reprend le dossier. Évitez un statut global « incorrect » sans indication du champ concerné. L’équipe doit pouvoir déterminer s’il faut corriger une lecture, confirmer une exception ou obtenir un nouveau document.
Présenter une relecture centrée sur les décisions
L’écran de vérification peut montrer la donnée proposée, la zone du document correspondante et le motif du contrôle. Le relecteur doit pouvoir corriger une valeur sans parcourir à nouveau toutes les pages. Les informations déjà confirmées doivent rester visibles, afin de distinguer un champ validé d’un champ encore incertain.
Dans notre exemple, une annotation remplace peut-être quarante-huit pièces par quarante-trois. La personne qui réceptionne la livraison peut vérifier le document et les quantités constatées, puis enregistrer la valeur retenue avec sa justification. Le système doit conserver cette décision lors d’une nouvelle lecture du fichier. Mesurez aussi le temps nécessaire pour corriger un dossier. Une extraction qui marque presque tous les champs comme douteux peut déplacer la saisie vers une relecture aussi longue. La qualité de l’interface de contrôle fait donc partie du résultat attendu du projet.
Traiter les doublons et les documents corrigés
Le même bon peut arriver une première fois par courriel, puis être transféré par un collègue. Une version corrigée peut aussi porter la même référence. Définissez comment le système distingue une copie, une nouvelle pièce et une correction. Une ressemblance doit déclencher le comportement prévu, sans supprimer automatiquement un document que l’équipe pourrait avoir besoin de comparer.
Pour le distributeur, le numéro du bon, le fournisseur et la commande peuvent aider au rapprochement. Si les quantités diffèrent entre deux versions, le dossier doit présenter cette différence et conserver les pièces reçues. La transmission vers l’outil de suivi doit également éviter de compter deux fois la même livraison. Testez une relance après interruption : le système doit retrouver ce qui a déjà été enregistré. Une extraction correcte peut encore produire un résultat métier faux si la reprise crée une deuxième réception identique dans le système de destination.
Mesurer les erreurs par type de donnée
Un score unique masque les conséquences différentes des erreurs. Une description légèrement abrégée n’a pas le même effet qu’une référence mal lue ou qu’une quantité incorrecte. Évaluez séparément les champs essentiels, les lignes complètes et les dossiers utilisables après contrôle. Notez aussi les documents que le système ne peut pas traiter et le temps humain nécessaire pour les reprendre.
Constituez un ensemble de fichiers représentatifs et gardez des documents distincts pour l’évaluation finale. Incluez des fournisseurs fréquents et des présentations moins courantes. Une amélioration sur les bons les plus propres ne doit pas masquer une dégradation sur les photographies réellement reçues dans l’entrepôt. Après chaque modification importante, comparez les mêmes cas et examinez les nouvelles erreurs. Le résultat recherché est une information exploitable avec un effort de contrôle acceptable, pas seulement un taux élevé de champs remplis automatiquement.
Déployer d’abord sur un flux bien compris
Commencez par un type de document et un usage précis, comme la préparation du rapprochement des livraisons d’une famille de produits. Pendant l’essai, l’équipe conserve la validation avant transmission. Comparez les résultats au traitement habituel et identifiez les causes de correction. Une mauvaise définition de champ peut parfois être corrigée plus simplement qu’un changement de modèle.
Avant d’élargir le périmètre, vérifiez que les documents sont retrouvables, que les doublons sont traités et qu’une personne peut reprendre un dossier incomplet. Définissez qui examine les anomalies et comment demander une meilleure copie. La première version doit laisser une trace compréhensible du passage du document à la donnée confirmée. Cette continuité permet d’expliquer une différence, de corriger le processus et d’étendre ensuite l’extraction à d’autres formats sur une base vérifiée.
Et dans votre entreprise ?
Chaque processus possède ses particularités. Partons de votre fonctionnement pour identifier une première amélioration concrète.
Contactez-nous