Le document que votre IA ne peut pas lire
Un PDF scanné ressemble à un document pour vous et à une photographie pour un logiciel. C’est la raison la plus fréquente pour laquelle une automatisation prometteuse cale.
Un schéma que nous rencontrons souvent : une entreprise veut traiter automatiquement les documents entrants, essaie, et obtient de piètres résultats. La cause n’est presque jamais le modèle. C’est que la moitié des documents sont des images.
La distinction qui compte
Un PDF produit par un logiciel — une facture issue d’une comptabilité, un export d’un traitement de texte — contient du texte. Un logiciel peut le lire directement et exactement.
Un PDF produit par un scanner ou l’appareil photo d’un téléphone contient une image de texte. Le logiciel doit d’abord reconnaître les caractères, et la reconnaissance se trompe : un 3 devient un 8, une colonne devient un paragraphe, un tableau perd sa forme.
Les deux paraissent identiques à l’écran. On les distingue en deux secondes : essayez de sélectionner un mot à la souris. Si vous ne pouvez pas, c’est une image.
Pourquoi cela décide de la réussite
La reconnaissance sur un document propre, droit et imprimé est aujourd’hui très bonne. Sur un bon de livraison froissé, photographié sur un quai de chargement sous un mauvais éclairage, elle ne l’est pas — et aucun modèle n’y remédiera, car l’information n’est réellement pas lisible.
C’est pourquoi l’automatisation des factures fournisseurs réussit chez les entreprises dont les fournisseurs envoient de vrais PDF et déçoit chez celles dont les fournisseurs envoient des photos.
Que faire avant de construire quoi que ce soit
Prenez trente documents réels du type que vous voulez traiter. Triez-les en texte et en image. La proportion est votre réponse, et cela prend quinze minutes.
Si la plupart sont du texte, allez-y. Si la plupart sont des images, le projet le plus rentable n’est pas l’automatisation — c’est de demander à vos dix plus gros fournisseurs une facture lisible par machine, ce que la plupart feront gratuitement et ce qui règle le problème à la source.
Le principe plus large
Les questions du 12 septembre examinent si un processus est un bon candidat. Voici la même question au niveau des données : la qualité de ce qui entre fixe un plafond qu’aucun modèle ne relève.
Vérifier l’entrée d’abord est sans éclat et sauve des projets entiers.