Extraire les données des factures avec l’IA

Les factures fournisseurs arrivent par e-mail, en PDF, parfois scannées, parfois photographiées. Quelqu’un les ouvre une par une, lit le nom du fournisseur, le numéro, la date, le montant hors taxes, la TVA, le total, parfois le détail des lignes. Puis recopie le tout dans l’outil comptable ou l’ERP.

Les bons de commande, bons de livraison, relevés et devis posent le même problème. Ce sont des documents structurés pour un humain, mais pas pour une machine. Leur lecture est l’un des terrains où l’IA a le plus progressé ces dernières années.

Deux technologies, deux rôles

L’OCR : transformer une image en texte

La reconnaissance optique de caractères (OCR) existe depuis longtemps. Elle convertit une image ou un PDF scanné en texte. Elle ne comprend pas ce qu’elle lit : elle produit une suite de caractères, éventuellement avec leur position sur la page.

Pour un PDF généré par un logiciel (et non scanné), l’OCR n’est même pas nécessaire : le texte est déjà présent dans le fichier.

Les modèles de langage : comprendre le document

Les modèles de langage (et leurs variantes capables de lire des images) vont plus loin. À partir du texte ou de l’image, ils identifient ce que représente chaque information : ceci est le numéro de facture, ceci est la date d’échéance, cette ligne est un article, ce montant est le total TTC.

C’est ce qui a changé la donne. Les anciens outils reposaient sur des modèles par fournisseur : il fallait indiquer, pour chaque mise en page, où se trouvait chaque champ. Un nouveau fournisseur ou un changement de format cassait tout. Un modèle de langage s’adapte à une mise en page qu’il n’a jamais vue.

Ce qui fonctionne bien

Les champs d’en-tête : fournisseur, numéro, dates, montants totaux, numéro de TVA, références de commande.
Les documents de formats variés, y compris de petits fournisseurs avec des mises en page peu standard.
La classification : reconnaître une facture d’un avoir, d’un devis ou d’une relance.
La normalisation : convertir une date écrite de différentes manières dans un format unique, reconnaître une devise.

Ce qui reste difficile

Les scans de mauvaise qualité : documents photographiés de travers, mal éclairés, tampons sur le texte.
Les tableaux de lignes longs ou complexes, sur plusieurs pages, avec des sous-totaux et des remises imbriquées.
Les documents manuscrits ou partiellement annotés à la main.
Les informations implicites : un taux de TVA non indiqué, une remise exprimée en texte libre.

Surtout, un modèle de langage peut produire une valeur plausible mais fausse. Il peut confondre un montant hors taxes et un montant TTC, ou inventer un chiffre manquant. C’est la raison pour laquelle l’extraction ne suffit jamais seule.

Les contrôles qui rendent l’extraction fiable

Une extraction utilisable en production combine l’IA avec des règles de vérification simples :

Cohérence arithmétique : le total TTC est-il égal au hors taxes plus la TVA ? La somme des lignes correspond-elle au total ?
Rapprochement avec les données existantes : le fournisseur existe-t-il dans l’ERP ? Le numéro de commande cité correspond-il à une commande ouverte ? Le montant est-il cohérent avec la commande ?
Détection des doublons : cette facture a-t-elle déjà été enregistrée ?
Champs obligatoires : si un champ attendu est introuvable, le document est signalé, pas complété au hasard.

Quand tous les contrôles passent, le document peut être intégré automatiquement, ou proposé pour une validation rapide. Quand l’un d’eux échoue, il part dans une file d’exceptions, avec le document d’origine à côté des valeurs extraites. Une personne corrige ou complète. Nous détaillons cette logique dans Humain dans la boucle.

Le processus complet

L’extraction n’est qu’une étape. Un processus de traitement des factures automatisé ressemble généralement à ceci :

Réception : les documents arrivent dans une boîte dédiée ou un dossier, et sont récupérés automatiquement.
Classification : facture, avoir, relance, autre.
Extraction des champs utiles.
Contrôles et rapprochements avec l’ERP.
Intégration dans l’outil comptable ou l’ERP, ou mise en file d’exceptions.
Archivage du document d’origine, lié à l’écriture créée.

La partie IA (étapes 2 et 3) représente une fraction du travail. La connexion aux outils, les contrôles et la gestion des exceptions comptent au moins autant.

Questions à se poser avant de lancer

Quel volume et quelle variété ? Quelques fournisseurs récurrents aux formats stables ne posent pas les mêmes questions qu’un grand nombre de petits fournisseurs.
Où vont les données extraites ? L’outil cible dispose-t-il d’une API permettant de créer les écritures ou les pièces ?
Votre outil le fait-il déjà ? Certains logiciels comptables et plateformes de dématérialisation intègrent leur propre lecture automatique. Avant de construire, il faut vérifier ce qu’ils offrent et si cela suffit.
Quelles données transitent, et vers quel fournisseur d’IA ? Les factures contiennent des informations commerciales et parfois personnelles. Voir IA générative et données de l’entreprise.
Quelles évolutions réglementaires vous concernent ? La généralisation de la facturation électronique change le format des factures reçues : des données structurées remplaceront progressivement une partie des PDF. Il faut en tenir compte pour ne pas investir dans un traitement qui deviendra inutile sur certains flux, tout en sachant que d’autres documents (bons de livraison, relevés, devis) resteront non structurés.

Au-delà des factures

La même approche s’applique à de nombreux documents : bons de commande clients reçus par e-mail, bons de livraison, attestations, contrats, fiches techniques. Dès qu’une personne lit un document pour en recopier quelques champs dans un outil, la question mérite d’être posée.

Comme souvent, la bonne réponse dépend du volume, de la variété des documents et de la qualité des données en aval. C’est ce que nous vérifions en phase d’audit, avant de proposer quoi que ce soit.

Vous recopiez des informations depuis des documents à longueur de journée ? Échangeons 20 minutes.