Dans la plupart des entreprises, quelqu’un passe ses journées à recopier des PDF dans le logiciel comptable : numéro de facture, SIRET, montant, TVA, lignes de commande. Dans le bureau d’à côté, une juriste relit pour la quarantième fois un contrat d’approvisionnement pour retrouver la clause de pénalités et les délais de paiement. Et un commercial trie une boîte mail où les demandes arrivent sous forme de message, de pièce jointe ou de photo d’un bon de commande papier.
C’est précisément le genre de tâche répétitive où l’IA est déjà fiable. Voyons comment fonctionne le traitement des documents par intelligence artificielle : ce qu’elle sait faire, ce qui la distingue de l’OCR classique, où l’humain reste indispensable, comment mesurer la précision sur vos propres documents et comment lancer un pilote sans gros budget.
Ce que l’IA sait faire avec vos documents
L’approche appelée IDP (intelligent document processing, ou traitement intelligent des documents) couvre quatre grandes familles de tâches. Presque toutes les PME et ETI en ont au moins deux.
Extraire les données des factures, bons de livraison et tickets
Le modèle reçoit un scan ou un PDF et renvoie des champs structurés : fournisseur, SIRET et numéro de TVA intracommunautaire, numéro et date du document, montant, taux de TVA, lignes avec quantités et prix. Ces données arrivent dans le logiciel comptable sous forme de brouillon : le comptable vérifie et valide au lieu de tout ressaisir.
L’automatisation du traitement des factures fournisseurs est particulièrement utile quand les fournisseurs sont nombreux et que chacun a sa propre mise en page. Les solutions à base de modèles de mise en page cassent à chaque nouveau format, alors qu’un modèle de langage raisonne sur le sens : peu lui importe dans quel coin de la page se trouve le total.
Rapprocher les documents entre eux
La facture est comparée au bon de commande, le procès-verbal de réception au contrat, le bon de livraison à la facture. Le modèle extrait les données, et un code classique fait la comparaison : montants, quantités, prix et coordonnées concordent-ils ? Les écarts partent dans la file d’un collaborateur, avec la différence mise en évidence.
Relire un contrat selon une check-list
Le juriste définit une liste de points de contrôle : délai de paiement de N jours maximum, pénalités plafonnées, clause de confidentialité présente, bonne juridiction compétente, pas de droit unilatéral de modifier le prix. Le modèle parcourt le contrat et, pour chaque point, renvoie une réponse, une citation du texte et le numéro de l’article.
La décision de signer reste celle du juriste. Le rôle du modèle est de prendre en charge la première lecture et montrer où regarder, surtout quand le contrat arrive sur le modèle du cocontractant et non sur le vôtre.
Trier les demandes et les e-mails entrants
Un e-mail ou une pièce jointe devient une fiche dans le CRM : qui écrit, ce dont il a besoin, quels articles et quelles quantités, l’urgence, le commercial à qui l’attribuer. Cela vaut aussi pour les demandes rédigées librement et les photos de formulaires papier remplis à la main. Ici, une erreur coûte généralement peu (la demande est simplement réaffectée), ce qui en fait un bon candidat pour un premier projet.
Modèle de langage ou OCR classique : quelle différence ?
L’OCR (reconnaissance optique de caractères) résout un seul problème : transformer une image en texte. Pour en tirer des champs, on ajoute des gabarits et des règles : « le total se trouve à droite du mot Total ». Tant qu’il n’y a qu’un format, ça marche. Un nouveau fournisseur avec une autre mise en page, et il faut un nouveau gabarit.
Un modèle de langage travaille un cran au-dessus : il lit le texte comme le ferait une personne et comprend que « Net à payer », « Total TTC » et « Montant dû » désignent le même champ. Les modèles multimodaux récents acceptent même directement les images. En pratique, la reconnaissance de documents par IA est le plus souvent hybride : l’OCR fournit un texte fiable et les coordonnées, le LLM affecte chaque valeur au bon champ.
| OCR avec gabarits | OCR + modèle de langage | |
|---|---|---|
| Nouveau format de document | Nouveau gabarit nécessaire | Fonctionne en général sans modification |
| Texte libre | Mauvais | Bon : e-mails, contrats, demandes |
| Prévisibilité | Élevée sur les formulaires connus | Demande validation et contrôle des erreurs |
| Coût de traitement | Faible | Plus élevé : API du modèle ou serveurs dédiés |
Où placer l’humain dans la boucle
Le principal risque d’un modèle de langage, c’est l’erreur commise avec aplomb : il peut lire un 8 comme un 3 ou inventer un SIRET plausible qui ne figure pas dans le document. L’automatisation des flux documentaires ne se conçoit donc pas comme « le modèle fait tout tout seul », mais comme une chaîne avec des points de contrôle.
- Des contrôles dans le code. Clé de contrôle du SIRET, somme des lignes égale au total, TVA calculée au bon taux, date dans une plage cohérente, fournisseur présent dans le référentiel.
- Un seuil de confiance. Un document sur lequel le modèle hésite ou qui échoue aux contrôles part en file manuelle.
- Une validation pour les actions engageantes. Paiement, signature, envoi au cocontractant : uniquement après accord d’un collaborateur.
- Des contrôles par sondage. Même dans le flux qui passe automatiquement, une partie des documents est régulièrement vérifiée à la main pour détecter toute dégradation.
L’IA ne remplace ni le comptable ni le juriste. Elle retire de leur journée la saisie manuelle et la première lecture.
Une interface de validation confortable compte plus qu’on ne le croit : le collaborateur voit le scan et les champs extraits côte à côte, les zones douteuses surlignées, et corrige en un clic. Si la validation est pénible, les équipes finissent par la sauter, et le contrôle perd tout son sens.
Précision : comment la mesurer sur vos propres documents
Les taux de précision des plaquettes commerciales ne servent presque à rien : ils sont obtenus sur les documents des autres. Un scan propre d’un grand fournisseur et la photo d’un bon de livraison froissé, avec un tampon sur le total, sont deux problèmes différents. Mesurez la qualité uniquement sur vos documents, de la façon suivante :
- Constituer un échantillon. 200 à 500 vrais documents du type à automatiser, avec les mêmes scans, photos et mises en page que ceux du quotidien.
- Établir la vérité terrain. Pour chaque document, un collaborateur saisit à la main les bonnes valeurs. C’est l’étape la plus fastidieuse et la plus importante.
- Mesurer champ par champ. La précision sur le SIRET, le montant, la date et les lignes se calcule séparément : une erreur sur le total et une erreur sur un libellé produit n’ont pas du tout le même coût.
- Isoler le flux automatique. Calculez la part de documents qui passent tous les contrôles sans intervention humaine, et combien d’erreurs se glissent dans cette part.
- Recommencer après chaque changement. Nouvelle version du modèle, nouvelles consignes, nouveaux fournisseurs : un passage sur le même échantillon montre si c’est mieux ou moins bien.
Intégration avec la comptabilité, le CRM et la facture électronique
Extraire les données ne sert pas à grand-chose si le résultat est ensuite recopié à la main. La valeur apparaît quand la boucle est bouclée : le document arrive, il est reconnu, contrôlé et atterrit dans le bon système.
- D’où viennent les documents : boîte mail, plateforme de facturation électronique, scanner, dépôt sur un espace client, messagerie.
- Où va le résultat : logiciel comptable ou ERP, CRM, tableau de suivi.
- Quels référentiels sont nécessaires au rapprochement : fournisseurs, catalogue produits, contrats, commandes.
- Ce qui se passe quand une intégration tombe, et qui est prévenu.
- Comment le lien entre le fichier source et l’enregistrement créé est conservé, pour pouvoir rouvrir et vérifier n’importe quel document.
La facture électronique est un cas à part. Les documents reçus via une plateforme de facturation électronique dans un format structuré contiennent déjà des données lisibles par une machine et n’ont pas besoin d’être reconnus. L’IA sert alors pour les pièces jointes non structurées et pour le rapprochement avec le contrat.
Techniquement, il s’agit d’un développement de service web classique : files d’attente, stockage de fichiers, interface de validation, connecteurs vers les systèmes, journal d’audit. C’est le cœur de notre métier : en tant qu’agence digitale à Paris et agence de développement, nous analysons les processus, concevons l’architecture et les intégrations, migrons les données et formons les équipes. Vous trouverez des exemples de nos projets dans notre portfolio.
Sécurité et protection des données
Factures, contrats et demandes contiennent presque toujours des informations confidentielles, et souvent des données personnelles : noms des signataires, téléphones, pièces d’identité dans les contrats avec des particuliers. La première question est donc : où part le document quand le modèle le traite ?
- Un modèle cloud d’un grand fournisseur. Démarrage rapide, mais si le fournisseur traite les données hors de l’Union européenne, c’est un transfert de données personnelles qui exige, au titre du RGPD, des garanties appropriées et un accord de sous-traitance.
- Un fournisseur cloud avec hébergement en Europe. Les données restent dans l’UE, ce qui règle la question du transfert, mais il faut toujours un contrat avec le fournisseur et une évaluation de ses mesures de sécurité.
- Un modèle dans votre propre infrastructure. Un modèle open source (Llama, Mistral) sur les serveurs de l’entreprise ou un cloud privé : les documents ne sortent jamais de votre périmètre, mais il faut des serveurs GPU et du temps de mise en place.
En résumé, le RGPD impose au responsable de traitement une base légale, la minimisation des données et des mesures de sécurité adaptées. Une technique pratique : la pseudonymisation. Avant d’envoyer le document au modèle, les noms et numéros d’identification sont remplacés par des marqueurs.
Le pilote : tester l’idée dans un délai fixé
Ne commencez pas l’automatisation documentaire par un projet qui couvre « toute la gestion documentaire ». Un pilote est limité dans le temps, en général quelques semaines, et dans son périmètre : un type de document, un processus, une équipe.
- Choisir le document. Celui que vous traitez en grand volume et toujours de la même façon : factures fournisseurs, bons de livraison, demandes arrivant sur une boîte partagée.
- Mesurer la situation de départ. Combien de documents par mois, combien de minutes chacun, combien d’erreurs découvertes après coup.
- Fixer l’indicateur et le seuil. Par exemple, la part de documents traités sans correction et le nombre acceptable d’erreurs non détectées. Les valeurs qui déclenchent le passage à l’échelle ou l’arrêt sont fixées avant de commencer.
- Construire un prototype sur un modèle du marché. Un schéma de champs, des consignes, des contrôles dans le code et une interface de validation simple. Aucun entraînement de modèle maison.
- Faire tourner sur le flux réel. Le modèle propose, les collaborateurs valident. On collecte ainsi les vraies erreurs sans aucun risque pour la comptabilité.
- Décider. Comparez avec la situation de départ et le seuil. Puis intégrez et déployez, ou arrêtez.
« Ce n’est pas rentable, on arrête » est un résultat de pilote parfaitement normal. Le découvrir en quelques semaines coûte moins cher qu’après six mois de développement.
Si, après les documents, vous souhaitez offrir à vos équipes ou à vos clients un assistant qui répond à partir de vos procédures et d’une base de connaissances, beaucoup de principes sont les mêmes : sources limitées, validation et humain dans la boucle.
Questions fréquentes
Peut-on se passer totalement d’intervention humaine dans le traitement des documents ?
Pour une partie du flux, oui : les documents standard des fournisseurs réguliers, avec un niveau de confiance élevé et un rapprochement réussi, peuvent être comptabilisés sans validation manuelle. Mais il reste toujours une file d’exceptions et des contrôles par sondage : quelqu’un doit voir les nouveaux formats, les documents douteux et les erreurs du modèle.
Quelle est la précision de l’IA pour reconnaître des documents ?
Il n’existe pas de chiffre universel : tout dépend de la qualité des scans, de la diversité des formats et des champs à extraire. La seule façon fiable de le savoir est de faire tourner le modèle sur 200 à 500 de vos vrais documents, avec des valeurs de référence, et de mesurer le résultat champ par champ.
Faut-il entraîner notre propre modèle sur nos documents ?
En règle générale, non. Pour l’extraction de données et la relecture de contrats, un modèle de langage du marché, avec un schéma de champs clair, des consignes et quelques exemples, suffit. Le fine-tuning se justifie quand les documents sont très nombreux, très spécifiques, et que les modèles du marché se trompent systématiquement aux mêmes endroits.
Peut-on traiter des documents contenant des données personnelles ?
Oui, à condition de respecter le RGPD : disposer d’une base légale, minimiser les données, les protéger et encadrer les transferts hors de l’Union européenne. Les options les plus simples : un modèle hébergé dans votre propre infrastructure, un fournisseur qui garantit un hébergement des données en Europe, ou la pseudonymisation des données avant envoi. Validez le dispositif avec un juriste ou votre DPO.
Combien de temps dure un pilote d’automatisation documentaire ?
Un pilote se limite généralement à quelques semaines et à un seul type de document. C’est suffisant pour constituer un jeu de test, vérifier la qualité sur vos propres données et voir si un déploiement complet sera rentable. Le calendrier exact dépend du volume de documents et de la nécessité d’une intégration dès le pilote.




