50 reçus de carburant et péage,
Un seul rapport de coûts de flotte

Là où les cartes carburant s'arrêtent — et où la pile de reçus commence

Une carte carburant capture automatiquement les données de transaction à la pompe : date, litres, prix unitaire, total, identifiant du véhicule, lieu. Pour le carburant acheté sur le réseau, les données atterrissent dans un tableau de bord sans qu'aucun chiffre ne soit saisi manuellement. C'est pourquoi les cartes carburant dominent la gestion du carburant des flottes — et à juste titre. L'enquête Shell State of Fleet Cards 2025 auprès de 260 gestionnaires de flottes américains a confirmé que les cartes carburant restent l'outil le plus utilisé pour la gestion des dépenses de carburant, avec un taux d'adoption de 62 %, contre 55 % pour les logiciels de gestion de flotte dédiés (Shell, 2025).

Mais cette même enquête a révélé que 25 % des gestionnaires de flottes suivent encore les dépenses de carburant dans des feuilles de calcul manuelles, et 25 % supplémentaires se fient à des registres papier et des carnets de bord. Il ne s'agit pas de flottes qui n'ont jamais entendu parler des cartes carburant — ce sont des flottes où les cartes carburant ne couvrent pas tout. Trois scénarios spécifiques génèrent des reçus que la carte ne voit jamais :

Factures des autorités de péage. Qu'il s'agisse d'E-ZPass, SunPass, TxTag ou FasTrak, les autorités de péage génèrent des relevés PDF — et non des transactions de point de vente. Ceux-ci arrivent mensuellement sous forme de factures multipages avec des lignes par trajet : date, heure, barrière de péage, plaque d'immatriculation, montant. Dans certaines régions, les systèmes de péage par plaque envoient des factures papier par courrier. Une flotte traversant le pays et opérant dans 12 États peut recevoir des factures de péage de 6 autorités différentes, chacune dans un format différent, chacune devant être imputée au bon véhicule et au bon centre de coûts.

Reçus de carburant hors réseau. Chaque carte carburant a un réseau de stations. Lorsqu'un conducteur fait le plein en dehors de ce réseau — dans une station indépendante pour camions, une station rurale ou une chaîne régionale — la transaction ne transite pas par le système de la carte. Le conducteur remet un reçu papier à la fin de la semaine. Ces reçus s'accumulent, représentant environ 5 à 15 % du volume total de carburant selon la géographie de l'itinéraire et la couverture du réseau de la carte.

Documentation croisée IFTA. L'International Fuel Tax Agreement exige une déclaration trimestrielle des miles parcourus et du carburant acheté par juridiction. Pour chaque gallon de carburant taxé déclaré, l'IFTA exige un reçu contenant neuf champs spécifiques : date d'achat, nom et adresse du vendeur, gallons achetés, type de carburant, prix par gallon ou montant total de la vente, numéro d'unité du véhicule et nom de l'acheteur (Ohio IFTA Recordkeeping Requirements, P560). Un journal des transactions de carte carburant fournit la plupart de ces champs — mais lors d'un audit IFTA, les auditeurs recoupent les données de la carte avec les reçus physiques. Des reçus manquants entraînent une réduction du MPG de votre flotte à 4,0 ou de 20 %, selon ce qui coûte le plus cher en impôts. Les registres doivent être conservés pendant quatre ans à compter de la date de dépôt.

En quoi le traitement par lots de reçus de flotte diffère de la numérisation d'un seul reçu de dépense

Traiter un seul reçu de carburant est simple : lire la date, les litres, le total et l'identifiant du véhicule, les saisir dans un tableur, le tout en 60 secondes. Le défi n'est pas le reçu unique. C'est ce qui se produit quand on multiplie par 150.

Une flotte générant 200 transactions manuelles mensuelles consacre environ 65 à 100 heures au traitement des dépenses — soumission, vérification, saisie et corrections — pour un coût de main-d'œuvre de 1 625 à 2 500 $ par mois. Sans compter le taux d'erreur de 25 à 40 % sur la saisie manuelle des transactions de carburant, chaque correction coûtant entre 15 et 25 $.

Trois problèmes structurels s'accumulent lorsqu'on passe du traitement d'un seul reçu aux lots mensuels à l'échelle d'une flotte :

Fragmentation des formats entre sources. Une facture de péage SunPass affiche les frais dans un tableau avec colonnes pour date, heure, barrière et montant. Un relevé E-ZPass utilise un ordre de colonnes différent et inclut l'identifiant du transpondeur. Un PDF TxTag place la plaque du véhicule dans l'en-tête, pas dans le tableau des lignes. Un reçu de carburant de Pilot imprime litres et prix dans une disposition ; Love's en utilise une autre ; une station indépendante utilise du papier thermique avec un placement de champs totalement différent. Les outils OCR basés sur des modèles — qui attendent des champs à des coordonnées fixes — nécessitent une définition de modèle distincte par format. Une flotte traitant des reçus de 8 autorités de péage et 15 chaînes de stations-service aurait besoin de 23 modèles, chacun devenant obsolète dès que l'autorité ou la station met à jour son format.

Attribution des véhicules entre types de reçus. Une transaction par carte carburant associe automatiquement un numéro d'unité. Une facture de péage liste une plaque d'immatriculation ou un identifiant de transpondeur — pas votre numéro d'unité interne. Un reçu de carburant hors réseau peut n'avoir aucun identifiant de véhicule, seulement une signature de conducteur. Établir un rapport de coûts unifié nécessite de mapper chaque reçu à un véhicule, et ce de manière cohérente sur 150 reçus. Quand l'attribution est manquante ou incohérente, une ligne flotte — elle reste dans votre tableur sans être rattachée à un véhicule, ce qui l'empêche de contribuer à l'analyse du coût par unité et par kilomètre.

Fusion des résultats en une seule structure de rapport. Même si vous extrayez correctement chaque reçu, le résultat nécessite une structure de colonnes unifiée : Identifiant du véhicule, Date, Type de reçu (Carburant/Péage), Juridiction, Litres, Prix unitaire, Total, Type de carburant, Emplacement. Un reçu de péage n'a pas de champ litres mais nécessite un mappage de juridiction. Un reçu de carburant a des litres mais pas de barrière de péage. L'étape de fusion — aligner différents types de reçus dans la même structure de colonnes — est là où les tableurs échouent. La personne qui effectue la fusion commence à prendre des décisions subjectives : « ce péage était en Oklahoma, donc juridiction = OK ». Ces décisions subjectives prennent du temps et introduisent des variations.

C'est l'écart entre ce qu'un reçu dit et ce dont un rapport de coûts a besoin : non seulement l'extraction, mais l'extraction + attribution + normalisation structurelle — appliquées à 150 reçus en une seule passe.

Comment l'IA gère la fragmentation des formats sans modèle unique

La raison pour laquelle l'OCR basé sur des modèles ne peut pas traiter un lot mélangé de reçus de carburant et de factures de péage est structurelle : il lit par coordonnées, pas par sens. Un outil à modèle s'attend à trouver le total à (x=120, y=340) parce que c'est là qu'il se trouvait sur le dernier reçu de cette station. Quand le reçu suivant place le total ailleurs — ou quand le document est d'un type complètement différent, comme une facture de péage — le modèle renvoie des données inexploitables.

L'extraction par IA adopte une approche différente. Au lieu de cartographier des coordonnées de pixels, l'IA lit le document de manière sémantique — elle comprend ce qu'est un « total » indépendamment de sa position sur la page. C'est la différence entre la correspondance de positions de caractères et la compréhension de la structure du document. Lorsque vous définissez une colonne appelée « Montant total », l'IA identifie le montant en dollars qui fait office de somme finale sur chaque page — qu'il se trouve en bas à droite d'un reçu Pilot, au milieu d'une page d'un reçu Love's, ou enfoui dans un tableau de lignes sur un relevé E-ZPass.

Ce mécanisme — l'Extraction par colonnes personnalisées — est ce qui permet à une seule définition de colonne de fonctionner sur 23 formats différents. Vous saisissez les noms de champs dont vous avez besoin : Véhicule/Unité | Date | Type de reçu | Juridiction | Gallons | Prix unitaire | Total | Type de carburant | Lieu/Station. L'IA lit chaque document indépendamment et remplit ces colonnes en comprenant ce que chaque nom de champ signifie, et non où il était positionné sur le dernier document. Un reçu d'une station rurale du Nebraska qui imprime le total dans une petite police en bas à gauche est lu de la même manière qu'une facture de péage PDF de l'Oklahoma qui place les montants dans un tableau structuré. L'IA localise la valeur par le sens, pas par la coordonnée.

Deux capacités de colonnes supplémentaires transforment une simple extraction de reçus en un rapport de coûts prêt pour la flotte :

Colonnes inférées pour la classification automatique. Tous les reçus n'indiquent pas explicitement ce qu'ils sont. Une facture de péage d'un système de plaque par courrier peut ressembler structurellement à un reçu de parking. Un reçu de carburant d'une station indépendante peut ne pas mentionner « diesel » de manière visible. Définissez une colonne inférée comme Type de carburant (options : Diesel | Sans plomb | DEF | Autre) ou Catégorie (options : Carburant | Péage | Parking | Entretien), et l'IA lit le contenu du document pour déterminer la valeur correcte — en analysant les lignes, les noms de commerçants et la structure du reçu — puis remplit la colonne automatiquement. Un lot entier de reçus mélangés se classe lui-même pendant l'extraction.

Colonnes calculées pour les métriques unitaires. Un reçu brut indique le total payé et les gallons pompés. Ce dont vous avez besoin dans un rapport de coûts, c'est le coût au gallon au niveau du véhicule. Définissez une colonne calculée comme Coût au gallon (Total ÷ Gallons), et l'IA la calcule lors de l'extraction — produisant une métrique prête à l'analyse aux côtés des données brutes. Une colonne comme Vérification fiscale (Total × taux juridictionnel) vs Taxe affichée signale les reçus où le montant de la taxe ne correspond pas au taux attendu — détectant les problèmes de qualité des données avant qu'ils ne se propagent dans votre déclaration IFTA.

D'un mois de reçus à un rapport de coûts prêt pour l'IFTA

Voici le flux de travail de bout en bout pour un lot mensuel — en supposant une flotte de 50 véhicules avec des reçus provenant de trois sources : les exportations du tableau de bord de la carte carburant (pour les transactions couvertes par la carte), les factures PDF des autorités de péage et les reçus papier hors réseau collectés par les conducteurs.

Vitesse de traitement : l'IA extrait chaque page en 5 à 10 secondes, contre environ 3 minutes de saisie manuelle par page. Pour 150 reçus, cela représente environ 12 à 25 minutes de traitement par IA contre 7,5 heures de saisie manuelle. Le temps gagné ne réside pas dans l'extraction elle-même — c'est l'élimination de 150 sessions de saisie individuelles et du nettoyage structurel qui suit la saisie manuelle. Pour un aperçu plus détaillé du processus d'extraction par reçu qui alimente le lot mensuel, consultez comment les reçus de carburant de flotte sont extraits dans un tableur de coûts structuré — le flux de travail pour un seul reçu que le traitement par lot étend à l'ensemble de la flotte.

Ce que l'IA peut et ne peut pas faire avec les reçus de flotte

Des attentes honnêtes donnent de meilleurs résultats que des pourcentages de précision génériques. Voici où l'outil excelle et où il nécessite une intervention humaine :

L'outil extrait et structure les données des reçus. Il ne produit pas les déclarations IFTA, ne valide pas si la taxe sur le carburant a été correctement appliquée, ni ne détecte les reçus frauduleux. Ce sont des fonctions comptables et de conformité qui interviennent après l'extraction. La séparation est délibérée : l'extraction produit un ensemble de données propre et structuré qui alimente vos flux de travail existants de comptabilité, de déclaration IFTA et d'audit — elle ne cherche pas à les remplacer.

Questions fréquentes

Une seule configuration de colonnes peut-elle gérer à la fois les reçus de carburant et les factures de péage — des documents aux champs de données totalement différents ?

Oui, car l'IA lit chaque document indépendamment selon le sens des champs. Définissez des colonnes pour l'ensemble des champs dont vous avez besoin : Date, Total, Véhicule/Unité, Juridiction, Gallons, Type de carburant, Lieu, Type de reçu. Sur un reçu de carburant, l'IA trouve Gallons, Prix unitaire, Type de carburant et Station-service — la colonne Péage reste vide pour cette ligne car le document ne contient aucune donnée de péage. Sur une facture de péage, l'IA trouve Date, Péage (mappé à Lieu), Total et Juridiction — les colonnes Gallons et Type de carburant restent vides. Le résultat est un tableur où les lignes de carburant ont leurs colonnes spécifiques remplies et les lignes de péage ont leurs colonnes spécifiques remplies. Pour le rapport de coûts, c'est exactement ce qu'il vous faut : un tableau avec toutes les transactions, carburant et péage distingués par leurs colonnes renseignées.

Que se passe-t-il si une facture de péage liste 50 trajets individuels — l'IA extrait-elle chaque ligne ou seulement le total de la facture ?

L'IA extrait le détail des lignes lorsque la facture de péage présente les trajets dans un format de tableau structuré — ce qui est le cas de la plupart des PDF des autorités de péage. Chaque ligne de trajet (date, heure, péage, montant) devient une ligne distincte dans votre tableur de sortie. Pour le suivi par trajet ou l'analyse des péages par itinéraire, c'est la granularité nécessaire. Si vous ne voulez que les totaux mensuels de péage par véhicule, vous pouvez définir des colonnes récapitulatives (Véhicule, Mois, Total Péage) et l'IA lira le total au niveau de la facture. Les noms de colonnes que vous définissez déterminent la granularité de la sortie.

Comment gérer le mappage de juridiction IFTA lorsqu'un reçu de carburant n'indique pas explicitement l'État ?

De nombreux reçus de carburant incluent une adresse de station ou une ligne ville/État. Définissez « Juridiction » comme colonne, et l'IA extrait toute information de lieu présente sur le reçu — ville et État de la station, adresse du magasin ou code de lieu. Si un reçu n'a vraiment aucune donnée de lieu (rare pour les chaînes de stations mais courant pour certains reçus indépendants), définissez une colonne inférée comme Juridiction (options : AL|AK|AZ|AR|CA|CO|CT|DE|FL|GA|...) et l'IA tentera d'inférer la juridiction à partir du contexte — motifs de nom de station, indicatifs téléphoniques sur le reçu ou image de marque régionale. Ce n'est pas fiable à 100 % et doit être vérifié ponctuellement, mais cela réduit la charge de travail de mappage manuel de 150 reçus au petit sous-ensemble où l'inférence est incertaine. Pour les données IFTA les plus fiables, combinez les données de reçus extraites par l'IA avec la télémétrie GPS — le GPS sait dans quel État se trouvait le véhicule lors de l'achat de carburant, ce qui est la vérité terrain que l'extraction par l'IA complète sans remplacer.

Le traitement par lot de 150 reçus en une fois affecte-t-il la précision d'extraction par rapport à un traitement individuel ?

Non — chaque reçu est traité indépendamment, quelle que soit la taille du lot. Un lot de 150 reçus correspond à 150 opérations d'extraction distinctes, et non à une seule opération qui ferait la moyenne des documents. Un reçu thermique délavé en position 47 n'affecte pas la qualité d'extraction d'une facture de péage PDF propre en position 48. L'IA lit chaque document isolément, en utilisant les mêmes définitions de colonnes. La seule différence pratique entre le traitement individuel et par lot est que le mode batch fusionne automatiquement tous les résultats dans un seul tableur — la qualité d'extraction individuelle par document reste identique.

Et l'exigence de l'IFTA selon laquelle les reçus doivent prouver que la taxe a été payée — l'IA peut-elle extraire cette information ?

L'IFTA exige que les reçus de carburant prouvent le paiement de la taxe à la juridiction compétente — généralement indiqué par une ligne de taxe, une mention « taxe incluse » ou un détail de la taxe sur le carburant sur le reçu. L'IA extrait toute information fiscale figurant sur le reçu : taxe de vente, taxe d'État sur le carburant, accise fédérale, ou une ligne « Taxe » combinée. Si le reçu indique un montant de taxe, définissez une colonne « Taxe » et l'IA la renseigne. Si le reçu ne détaille pas la taxe mais inclut le prix au gallon (qui, aux pompes de détail, inclut toujours la taxe), le prix au gallon combiné au total du reçu sert de preuve indirecte du paiement de la taxe. Pour les besoins de la déclaration IFTA, les copies numériques des reçus originaux — données extraites et images des reçus — constituent des documents acceptables selon les dispositions de tenue de registres électroniques de l'IFTA. Les reçus doivent être conservés pendant quatre ans.

Puis-je l'utiliser pour la déclaration IFTA trimestrielle elle-même, ou seulement pour les rapports de coûts mensuels ?

Les données extraites alimentent la préparation IFTA — elles fournissent des données structurées sur le carburant, étiquetées par juridiction et organisées par véhicule et trimestre. Mais l'outil ne calcule pas la taxe IFTA due, n'applique pas les taux de taxe juridictionnels, ni ne produit la déclaration. Votre processus de déclaration IFTA reste inchangé : vous avez besoin du total de gallons par juridiction, du total de miles par juridiction et des taux de taxe juridictionnels pour le trimestre. Ce qui change, c'est qu'au lieu d'extraire manuellement la juridiction et les gallons de chaque reçu dans votre feuille de calcul IFTA, vous disposez d'un tableur généré par l'IA qui couvre tous les reçus manuels en une seule passe. Combiné à votre export de transactions par carte carburant (qui fournit déjà les étiquettes de juridiction pour les transactions par carte), les données extraites par l'IA comblent les ~30 % de reçus que la carte ne couvre pas — et votre préparateur IFTA travaille à partir d'un seul ensemble de données complet plutôt que de deux ensembles partiels plus une pile de papiers.