Quelle est la précision réelle de l'extraction de documents par IA ?
Une analyse par niveaux
Demandez quelle est la précision de l'extraction de documents par IA et la réponse honnête commence par « ça dépend ». La précision de l'extraction de documents n'est pas un seul chiffre. Un scan peut atteindre 99 % de reconnaissance de caractères et pourtant vous transmettre un total erroné sur la facture qui alimente votre système comptable, car lire des caractères et localiser la bonne valeur sont deux tâches différentes.
Points clés
- 99 % de précision au niveau des caractères semble infaillible, mais sur une seule facture de 3 000 caractères, 30 caractères erronés concentrés dans le champ du montant total rendent toute la ligne inutilisable, peu importe l'impression du chiffre phare.
- Une colonne nommée « Date » sur une facture comportant trois dates différentes laisse l'IA choisir entre elles, tandis que « Date d'émission de la facture (AAAA-MM-JJ) » supprime le choix avant même le début de l'extraction, ce qui fait du nom de colonne le plus grand levier de précision que vous contrôlez.
- Arrêtez de vérifier par échantillonnage les champs que l'IA réussit toujours. Attribuez plutôt un niveau de confiance par type de champ : élevé pour les montants et les dates (vérifier 5 %), moyen pour les identifiants et les noms (vérifier 10 %), faible pour l'écriture manuscrite et les inférences (vérifier chaque ligne lors du premier lot). Le mode révision montre l'origine de chaque valeur extraite sur l'image d'origine, de sorte que les vérifications que vous effectuez prennent quelques secondes au lieu d'une relecture complète.
Que signifie réellement « précision » dans l'extraction de documents ?
La plupart des affirmations de précision dans ce domaine citent un seul pourcentage : 95 %, 98 %, 99 %. Ces chiffres signifient des choses différentes selon ce qui est mesuré, et un chiffre qui semble irréfutable dans un argument marketing peut décrire un résultat inutilisable.
L'écart est plus large que ne le suggèrent les chiffres des fournisseurs. Une étude de la collection de journaux numérisés de la National Library of Australia, couvrant des journaux imprimés entre 1803 et 1954, a mesuré une précision OCR brute au niveau des caractères allant de 71 % à 98 % sur la même archive, sans aucune correction appliquée (Holley, D-Lib Magazine, 2009). Même logiciel, même collection, pages différentes.
La précision au niveau des caractères n'est que la première couche. Un caractère erroné rend le mot entier faux ; ainsi, dans une prose anglaise ordinaire, où un mot compte en moyenne environ cinq caractères, un taux d'erreur de 1 % au niveau des caractères se manifeste dans environ 5 % des mots.
Dans l'extraction de données de documents, vous avez affaire à trois couches de précision distinctes :
Comprendre quelle couche compte pour votre flux de travail est la première étape pour fixer des attentes réalistes concernant la précision de l'extraction de documents. Si vous traitez par lots 200 factures vers un tableur pour analyser des tendances, la précision au niveau des champs sur le montant et la date peut suffire. Si vous extrayez des données pour une déclaration de conformité, la précision au niveau du document compte, et c'est un seuil bien plus élevé.
Cet écart entre la façon dont la précision est commercialisée et son comportement réel explique pourquoi il vaut la peine de comprendre ce que signifie réellement l'extraction de données de documents avant de se lancer dans l'optimisation de la précision. L'étape d'extraction elle-même — localiser la bonne valeur sur une page — est distincte de l'étape OCR consistant à lire les caractères. Confondez les deux, et vous résoudrez le mauvais problème.
La couche qualité des entrées : ce qui se passe avant que l'IA ne voie votre document
Tout pipeline d'extraction commence par une image. L'aspect de cette image — sa résolution, son éclairage, son angle et son format — fixe le plafond de tout ce qui suit. Aucune sophistication de l'IA ne peut récupérer des données qui ne sont pas visibles dans l'entrée.
C'est la couche où vous avez le contrôle le plus direct, et où de petits changements produisent les plus grands gains de précision.
| Facteur | Impact sur la précision | Objectif à viser |
|---|---|---|
| Résolution / DPI | En dessous de 150 DPI, les caractères commencent à se disloquer ; en dessous de 72 DPI, l'extraction devient peu fiable pour tout champ contenant du petit texte | 200–300 DPI pour les documents imprimés ; 300+ pour les documents à petites polices ou à tableaux denses |
| Éclairage et contraste | Un éclairage inégal crée des ombres qui masquent le texte ; un faible contraste entre le texte et le fond dégrade la reconnaissance des caractères | Un éclairage uniforme et diffusé, sans reflets. Évitez la photographie au flash sur papier brillant |
| Inclinaison et perspective | Les documents photographiés en angle déforment la forme des caractères ; une forte inclinaison (>15°) peut provoquer des erreurs de fusion de lignes dans les tableaux | Photographiez les documents bien à plat. La plupart des outils d'extraction IA modernes appliquent un redressement automatique, mais les performances se dégradent au-delà de ~30° |
| Scanner vs appareil photo de téléphone | Les scanners produisent des images constantes, plates et uniformément éclairées. Les appareils photo de téléphone introduisent un éclairage variable, une distorsion de perspective et un flou de mouvement | Le scanner pour le traitement par lots. L'appareil photo de téléphone pour le travail sur le terrain et en déplacement, mais les photos de téléphone comportent un éclairage et une perspective plus variables, attendez-vous donc à plus d'erreurs de champ qu'avec un scan à plat |
| Obstructions et bruit | Agrafeuses, pliures, tampons sur le texte, taches de café — tout ce qui bloque physiquement le document — crée des erreurs au niveau des caractères que l'IA ne peut pas résoudre | Retirez les agrafes avant de scanner. Aplatissez les documents pliés. Si des tampons chevauchent le texte, ce champ nécessitera une vérification manuelle |
L'écart entre un PDF scanné propre à 300 DPI et une photo rapide au téléphone de la même page se manifeste partout où un chiffre mal lu vous coûte quelque chose en aval. Prenez un lot de 100 factures avec 10 champs sur chaque facture : chaque point de pourcentage de précision au niveau du champ que vous perdez représente 10 cellules erronées de plus à trouver et à corriger. C'est la différence entre vérifier quelques résultats par échantillonnage et relire chaque document.
Mais la qualité des entrées n'est que la moitié de l'histoire. Même avec des scans parfaits, la précision d'extraction peut s'effondrer à la couche suivante : les champs que vous demandez.
La couche de conception des champs : pourquoi le nom que vous donnez à vos colonnes change ce que vous obtenez
Les outils OCR traditionnels fonctionnent en dessinant des zones autour de régions d'un document : vous indiquez au logiciel où se trouve le numéro de facture, et il lit ce qui se trouve dans cette zone. Si la facture suivante a le numéro à une position différente, il échoue. Cette approche basée sur un modèle présente un problème de précision évident : les documents varient.
Les outils d'extraction par IA modernes adoptent une approche fondamentalement différente. Au lieu de définir où chercher, vous définissez quoi chercher en nommant les colonnes. L'IA lit l'intégralité du document, comprend son contenu et localise la valeur qui correspond au sens sémantique du nom de votre colonne. Ce passage d'une extraction basée sur les coordonnées à une extraction basée sur le sens est ce qui distingue l'extraction de colonnes personnalisées de la conversion basique d'image en tableau, et c'est là que le nommage des colonnes devient une variable de précision que vous pouvez contrôler directement.
Un nom de colonne vague oblige l'IA à deviner parmi plusieurs candidats. Un nom précis élimine l'ambiguïté avant même que l'extraction ne commence.
| Nom de colonne vague | Ce qui ne va pas | Meilleur nom de colonne | Pourquoi ça fonctionne |
|---|---|---|---|
| Date | Une facture comporte généralement une date de facture, une date d'échéance, une date d'expédition et éventuellement une date de livraison — toutes étiquetées « Date » dans le contexte | Date de facture | Précise de quelle date il s'agit. Encore mieux : « Date de facture (la date à laquelle la facture a été émise) » |
| Total | Peut être le sous-total, le total des taxes, le total général ou le total d'une ligne — tous couramment étiquetés « Total » sur les documents | Total général (taxes incl.) | Élimine l'ambiguïté. La parenthèse précise que cela inclut les taxes, ce qui le distingue d'un sous-total hors taxes |
| Société | Le document peut mentionner un fournisseur, un acheteur, un expéditeur, un prestataire tiers — tous sont des « sociétés » | Nom du fournisseur | Restreint la recherche sémantique à la partie vendeuse spécifiquement |
| Montant | Terme générique qui correspond à toute valeur monétaire de la page — prix unitaire, total de ligne, taxe, livraison, remise | Total de ligne (Qté × Prix unitaire) | Non seulement précise de quel montant il s'agit, mais définit aussi ce à quoi il doit être égal, permettant à l'IA de vérifier sa propre extraction |
Être précis n'est que la moitié du travail. Lorsque vous écrivez « Total de ligne (Qté × Prix unitaire) », vous donnez à l'IA un champ cible à localiser et une formule à laquelle elle peut se comparer. Si la valeur extraite ne correspond pas à Qté × Prix unitaire, l'IA peut signaler l'écart ou réévaluer son extraction. Vous avez transformé une extraction passive en une extraction dotée d'un contrôle de cohérence intégré.
Il existe également un troisième mode qu'il vaut la peine de comprendre : les colonnes inférées. Parfois, les données dont vous avez besoin n'apparaissent nulle part sur le document. Un reçu de restaurant ne mentionne pas « Catégorie : Repas ». Mais vous pouvez définir une colonne nommée « Catégorie (options : Repas / Transport / Bureau / Autre) » et l'IA lira le reçu, reconnaîtra qu'il provient d'un restaurant d'après le nom du fournisseur et les lignes de détail, puis remplira « Repas ». Il s'agit d'une extraction qui va au-delà de ce qui est imprimé, et sa précision dépend entièrement de la qualité de votre définition de la règle d'inférence.
Une règle pratique : si une personne n'ayant jamais vu votre format de document pouvait choisir la mauvaise valeur à partir de votre nom de colonne, l'IA le fera probablement aussi. Avant de traiter un lot, demandez-vous : « Si je confiais ce nom de colonne et ce document à un assistant intelligent n'ayant jamais vu ce format, saurait-il exactement quelle valeur choisir ? » Si la réponse est non, affinez le nom de colonne.
La conception des champs est la couche de précision que la plupart des utilisateurs ne pensent jamais à ajuster. Ils supposent que l'IA « se trompe » alors qu'en réalité ils lui ont donné une instruction ambiguë. Mais même avec des entrées parfaites et des noms de colonnes précis, il existe une troisième couche de précision qui concerne entièrement le document lui-même.
La couche de complexité du document : quand le document lui-même est la partie la plus difficile
Certains documents sont structurellement hostiles à l'extraction, quelle que soit la qualité de l'image ou la conception des colonnes. Reconnaître quels documents entrent dans cette catégorie, et pourquoi, vous permet de définir vos attentes avant de cliquer sur « traiter ».
Les tableaux imbriqués et fractionnés sont le premier tueur de précision. Un tableau de facture standard se lit de haut en bas : description, quantité, prix unitaire, total de ligne. Mais de nombreux documents réels rompent ce schéma. Une note de frais peut comporter un tableau pour les réservations de vol, un autre pour les nuitées d'hôtel et un troisième pour les dépenses diverses, chacun avec des structures de colonnes différentes mais partageant le même document. Un bon de commande peut répartir les lignes sur plusieurs pages, avec des sous-totaux reportés. L'IA doit assembler ces fragments en un seul tableau logique, et chaque frontière de fragment est une occasion de désalignement.
L'écriture manuscrite introduit une catégorie de difficulté différente. Les modèles vision-langage modernes peuvent lire l'écriture manuscrite avec une précision étonnamment élevée pour du texte clair en lettres capitales, mais l'écriture cursive, surtout lorsqu'elle est compressée dans de petits champs de formulaire, reste difficile. La différence entre « I » et « 1 », ou « 0 » et « O », ou « 5 » et « S » est évidente pour un humain grâce au contexte. L'IA doit trancher pour chaque cas. Sur les rapports d'inspection et les bons de livraison où les données manuscrites sont courantes, attendez-vous à ce que la précision au niveau du champ soit bien inférieure à celle d'une page imprimée propre, et prévoyez une vérification en conséquence.
Les documents multilingues et à écritures mixtes créent un problème de précision cumulatif. Un document d'expédition avec des en-têtes en anglais, des descriptions de produits en japonais et des blocs d'adresse en français force l'IA à changer de modèle linguistique en cours de document. Chaque frontière linguistique est un point où la confiance de reconnaissance chute, et si un même champ contient des écritures mixtes (un schéma courant dans les documents de commerce international), la confiance de l'IA dans ce champ précis est intrinsèquement plus faible.
Cases à cocher et éléments de formulaire — coches, options encerclées, bulles remplies — constituent une catégorie de contenu documentaire que l'OCR traditionnel ignore totalement. L'IA visuelle peut les interpréter, mais l'association « cette coche signifie "Oui" pour cette question précise » exige que l'IA relie une marque visuelle à une étiquette textuelle voisine, malgré un espacement potentiellement irrégulier. Sur des formulaires denses comportant plus de 20 cases à cocher rapprochées, la précision de l'association entre marques et étiquettes devient le facteur limitant.
Une échelle de complexité pratique pour calibrer vos attentes :
- Faible complexité — Document imprimé d'une page, tableau unique, champs clairement étiquetés, une seule langue. L'IA n'a presque aucune valeur entre laquelle choisir : un scan propre avec des colonnes bien nommées est donc correct dès la première passe. Vérifiez par échantillonnage rapide pour confirmer.
- Complexité moyenne — Document imprimé de plusieurs pages, plusieurs tableaux ou sections, quelques champs manuscrits, une ou deux langues. Plusieurs points où l'IA doit faire un choix. Vérifiez une partie du résultat plutôt que la totalité.
- Forte complexité — Formulaires manuscrits, tableaux imbriqués, écritures mixtes, cases à cocher denses, tampons chevauchant le texte, scannés à basse résolution. Nombreux jugements à rendre par document. Traitez le premier lot comme un brouillon et vérifiez systématiquement les champs critiques.
Un levier se situe en dehors du document lui-même. Le modèle qui effectue la lecture étant une variable plutôt qu'une fonctionnalité figée, les comptes ImageToTable.ai peuvent être réglés sur un niveau de traitement (Standard, Advanced ou Premium), et les niveaux supérieurs font tourner un modèle de vision plus puissant précisément pour les cas ci-dessus : écriture manuscrite dense, mises en page complexes et documents où un seul champ mal lu coûte cher. Standard couvre déjà la plupart des documents tabulaires imprimés ; le niveau vaut donc la peine d'être relevé pour un lot de formulaires manuscrits ou pour un fournisseur dont les scans sont systématiquement limites, avant d'envisager une relecture manuelle complète. Le niveau est verrouillé par lot au moment de la soumission : le modifier ensuite ne réécrit pas les résultats déjà traités.
L'échelle décrit le nombre d'occasions qu'un document donne à l'IA de rendre un jugement, et non la qualité de l'IA. Plus de jugements à rendre signifie plus d'erreurs cumulées, et c'est pourquoi un pourcentage de précision fixe est la mauvaise chose à viser. Ce que vous pouvez anticiper, c'est le volume de vérification qu'un type de document exigera.
Un cadre pratique de précision : quand faire confiance, quand vérifier
Vous avez maintenant un modèle mental : la précision est le produit de la qualité des entrées, de la conception des champs et de la complexité des documents. Connaître les variables ne revient toutefois pas à savoir quoi faire du résultat. La question qui se pose à chaque lot est de savoir s'il faut faire confiance à un résultat ou le vérifier, et cela mérite un cadre de décision plutôt qu'une règle générale.
Voici une heuristique de confiance champ par champ, fondée sur ces trois couches :
| Type de champ | Niveau de confiance | Pourquoi | Stratégie de vérification |
|---|---|---|---|
| Montants numériques avec symboles monétaires | Confiance élevée | Les nombres sont des caractères non ambigus avec une forte confiance de reconnaissance. Les symboles monétaires offrent un fort ancrage positionnel. | Vérifiez par échantillonnage 5 % des montants. Si vous utilisez des colonnes calculées (comme Total ligne = Qté × Prix unitaire), la vérification mathématique intégrée détecte automatiquement la plupart des erreurs. |
| Dates (clairement étiquetées) | Confiance élevée | Les formats de date sont reconnaissables par motif. Le principal risque est de choisir le mauvais champ de date sur le document, ce qu'un nom de colonne précis permet d'éviter. | Vérifiez lorsque le document contient plusieurs dates et que votre nom de colonne est générique (par ex. simplement « Date »). |
| Identifiants alphanumériques (numéros de facture, numéros de bon de commande) | Confiance moyenne | Les erreurs au niveau des caractères sont plus probables dans les chaînes alphanumériques : O/0, I/1/l, S/5. Les erreurs d'un seul caractère ont plus d'importance ici que dans les champs texte. | Pour les identifiants critiques (numéros de facture alimentant la comptabilité), vérifiez tout si la qualité du document est moyenne ou faible. Pour les scans propres, vérifiez par échantillonnage 10 %. |
| Noms et adresses | Confiance moyenne | Les noms propres n'ont pas de dictionnaire de référence pour vérification. Les noms d'entreprise inhabituels et les adresses internationales introduisent une ambiguïté. | Vérifiez la première occurrence de chaque nouveau fournisseur. Une fois qu'un nom de fournisseur a été confirmé correct, les extractions suivantes pour le même fournisseur sont plus fiables. |
| Champs manuscrits | Confiance faible | La confiance de reconnaissance de l'écriture manuscrite est intrinsèquement plus faible. L'écriture cursive, compressée et la formation irrégulière des lettres réduisent la précision. | Vérifiez tous les champs manuscrits, en particulier les valeurs numériques et les signatures. Traitez l'écriture manuscrite extraite par IA comme un premier brouillon, pas comme une réponse finale. |
| Champs inférés / dérivés | Vérifier la première exécution | Les colonnes inférées dépendent du jugement de l'IA, pas des données de la page. La précision varie selon la spécificité de votre règle d'inférence. | Lancez d'abord un lot de test de 10 documents. Vérifiez tous les résultats des colonnes inférées. Ajustez la règle si la précision est inférieure à 90 %. Une fois calibrée, passez à la vérification par échantillonnage. |
La vérification ne signifie pas forcément relire tout le document pour chaque champ. Dans le mode de révision d'ImageToTable.ai, cliquer sur une cellule extraite met en évidence la région exacte de l'image d'origine d'où provient cette valeur, et cela fonctionne dans l'autre sens : cliquez sur une région localisée de l'image et la cellule correspondante est sélectionnée. Vous pouvez déclencher la localisation à la demande pour un seul fichier, ou activer Auto-annotate pour que chaque résultat traité porte déjà les surbrillances de source lorsque vous l'ouvrez pour vérifier. Pour les lignes à confiance moyenne et faible ci-dessus, cela transforme « vérifier 10 % des ID » d'un exercice de relecture page par page en quelques clics par champ. Lorsque vous traitez des centaines de fichiers et devez choisir lesquels auditer, le guide d'échantillonnage par contrôle ponctuel des lots explique comment construire ce plan.
Les zones marquées comme à haute confiance sont fiables pour une raison : la reconnaissance de motifs sur des données structurées est ce que le modèle fait de mieux. Les lignes à confiance plus faible sont là où tout système d'extraction, quelle que soit la technologie sous-jacente, se heurte aux mêmes limites du support d'entrée.
Pour approfondir l'obtention d'un résultat systématiquement propre selon les types de documents, le guide pour une extraction propre et précise couvre des règles de mise en forme précises et des schémas de nommage de colonne qui réduisent les erreurs au niveau du champ. Et si vous évaluez si l'extraction par IA est la bonne approche par rapport aux méthodes plus anciennes, la comparaison entre l'extraction par IA et l'OCR traditionnel détaille où chaque approche réussit et échoue sur la seule précision.
Questions fréquentes
Une précision de 99 % est-elle une affirmation réaliste pour l'extraction de documents par IA ?
Une précision au niveau des caractères de 99 % sur des documents imprimés et propres est réaliste et bien documentée. Mais la précision au niveau des caractères est la plus souple des trois mesures. La précision au niveau du champ sur des documents réels, ceux où vous extrayez des données précises comme « Total de la facture » ou « Nom du fournisseur », dépend de la qualité de l'entrée, de la précision du nom de colonne et de la complexité du document, et elle restera toujours inférieure au chiffre au niveau des caractères. Le chiffre de 99 % est honnête au niveau des caractères ; ce n'est simplement pas le niveau dont dépend votre flux de travail.
Quelle est la chose la plus importante que je puisse faire pour améliorer la précision de l'extraction ?
Nommez vos colonnes avec précision. Une colonne appelée « Date » sur une page qui comporte aussi une date d'expédition et une date d'échéance force l'IA à choisir entre elles, tandis que « Date d'émission de la facture (jj/mm/aaaa) » supprime le choix, et ce renommage est le levier de précision que la plupart des utilisateurs ne touchent jamais. La qualité de l'entrée (numérisation à 200+ DPI, bon éclairage) est le deuxième levier le plus important. Ensemble, ces deux facteurs expliquent la majeure partie de la variance de la précision de l'extraction de documents par IA d'un lot à l'autre.
Pourquoi la précision de l'extraction varie-t-elle entre différents documents du même type ?
Deux factures de fournisseurs différents peuvent produire des résultats de précision différents parce qu'elles diffèrent par la mise en page, la police, la structure du tableau et l'étiquetage des champs, même si toutes deux sont des « factures ». L'IA n'a pas de modèle pour les « factures ». Elle lit chaque document indépendamment en fonction de vos noms de colonnes. Si le fournisseur A utilise un tableau propre avec des lignes étiquetées et que le fournisseur B utilise une mise en page en paragraphe libre, la facture du fournisseur A sera extraite avec plus de précision. C'est pourquoi le traitement par lots fonctionne mieux avec des types de documents standardisés et pourquoi la précision s'améliore lorsque vous traitez des documents provenant d'un ensemble cohérent de fournisseurs connus.
L'extraction par IA peut-elle traiter avec précision des documents manuscrits ?
Oui, avec des réserves. L'IA moderne basée sur la vision peut lire une écriture manuscrite claire en lettres détachées avec une précision comparable au texte imprimé dans de nombreux cas. L'écriture cursive, les lettres compressées dans de petits champs de formulaire et les styles d'écriture irréguliers réduisent tous la précision. Une approche pratique : utilisez l'extraction par IA sur les documents manuscrits pour remplir les champs, puis vérifiez et corrigez-les manuellement. Cela reste bien plus rapide que la saisie manuelle à partir de zéro, mais ce n'est pas sans intervention.
Que dois-je faire lorsque les résultats de l'extraction semblent erronés ?
Résolvez le problème dans cet ordre : (1) Vérifiez si l'image du document est nette et bien éclairée ; téléchargez à nouveau une meilleure numérisation si possible. (2) Examinez vos noms de colonnes : certains sont-ils ambigus ? Un humain disposant uniquement du nom de colonne et du document pourrait-il choisir la mauvaise valeur ? (3) Vérifiez si le type de document appartient à la catégorie de haute complexité (tableaux imbriqués, écriture manuscrite, scripts mixtes). Si oui, l'IA atteint peut-être des limites structurelles. (4) Si l'erreur est systématique, c'est-à-dire que le même champ est mal extrait sur plusieurs documents, le nom de colonne est presque certainement en cause. Si l'erreur est aléatoire et propre à un document, la qualité de l'entrée est la cause la plus probable.
Le nombre de colonnes que j'extrais affecte-t-il la précision ?
Un plus grand nombre de colonnes ne réduit pas la précision au niveau du champ, mais augmente la probabilité qu'au moins un champ soit erroné sur un document donné, par simple effet statistique. Si chaque champ a 95 % de chances d'être correct et que vous extrayez 20 champs, il y a environ 64 % de chances qu'au moins un champ soit erroné (1 − 0,95²⁰ ≈ 0,64). Cela ne signifie pas que l'IA est moins précise par champ. Cela signifie que vos attentes en matière de vérification doivent s'adapter au nombre de champs que vous extrayez.
Puis-je entraîner l'IA à mieux traiter mes types de documents spécifiques ?
ImageToTable.ai ne nécessite pas d'entraînement par type de document : l'IA lit chaque document à partir de vos noms de colonnes. Vous pouvez toutefois améliorer la cohérence en standardisant vos modèles de colonnes (en enregistrant et réutilisant un ensemble de colonnes pour les types de documents récurrents) et en affinant les noms de colonnes au fil des résultats d'extraction. Sur plusieurs lots, vous convergerez naturellement vers les noms de colonnes qui produisent les résultats les plus précis pour votre combinaison de documents spécifique.
La précision de l'extraction de documents par IA n'est pas une propriété de l'outil seul. C'est la somme des choix que vous faites à chaque niveau. Contrôlez ce que vous pouvez contrôler, sachez quel niveau ajuster lorsqu'un lot revient erroné, et le résultat devient suffisamment prévisible pour bâtir un processus dessus.
Choisissez un type de document que vous traitez régulièrement. Scannez-le proprement. Nommez vos colonnes comme si vous les expliquiez à quelqu'un qui n'a jamais vu vos documents. Lancez un lot. Vérifiez d'abord les champs à confiance moyenne et faible. Puis ajustez une variable à la fois et observez l'évolution de la précision.