Comment définir des colonnes personnalisées et extraire des données de n'importe quelle capture d'écran d'application

Prenez une capture d'écran d'une fiche de transaction Salesforce affichant une opportunité de 47 200 $ à conclure le 15 mars. Prenez-en une autre d'une facture QuickBooks listant la même affaire. Prenez une troisième depuis le tableau de bord interne de suivi des commandes de votre entreprise, construit en 2011. Trois captures, trois mises en page visuelles totalement différentes, une seule vérité partagée : le même client, le même montant, la même date de clôture. Si vous définissez vos colonnes d'extraction une fois — « Client », « Montant de l'affaire », « Date de clôture » — ces trois mots retrouvent leurs valeurs dans les trois captures, sans savoir à l'avance où chacun se trouve sur une page donnée.

Les Mêmes Données, Trois Captures d'Écran Radicalement Différentes

Le scénario ci-dessus n'est pas hypothétique. Quiconque travaille sur plusieurs logiciels connaît la routine : Salesforce stocke les données d'opportunité. QuickBooks stocke les données de facture. Le tableau de bord opérationnel stocke le statut d'exécution. Chaque système affiche des informations qui se chevauchent dans son propre langage visuel — fiches, tableaux, formulaires, panneaux de statut — et rassembler ces données dans un seul tableur nécessite de basculer entre les fenêtres et de ressaisir les mêmes champs depuis trois interfaces différentes.

La réponse standard à ce problème — « utilisez une API » ou « exportez en CSV » — suppose que chaque système dispose de ces capacités. Le tableau de bord interne construit en 2011 ne les a définitivement pas. L'application bancaire mobile affichant un détail de transaction nécessaire à votre rapprochement n'a aucun bouton d'exportation. L'outil d'analyse SaaS utilisé par votre équipe n'exporte que des rapports complets, pas les trois valeurs KPI spécifiques que vous suivez chaque semaine.

Les captures d'écran sont le plus petit dénominateur commun de tous les logiciels — chaque application, chaque appareil, chaque époque de logiciel peut en produire une. La question n'est pas de savoir si vous pouvez capturer les données (vous l'avez déjà fait, en prenant la capture). La question est de savoir si vous pouvez extraire des champs spécifiques de cette capture sans traiter chaque nouvelle interface d'application comme un problème technique distinct.

Les outils d’extraction basés sur des modèles — ceux qui vous demandent de dessiner un rectangle autour du champ « date de facture » sur un document exemple, puis d’utiliser ces coordonnées pixel sur chaque document suivant — ne fonctionnent jamais avec des captures d’écran. Une fiche de vente Salesforce place le montant en gros chiffre en haut à gauche ; une facture QuickBooks le met dans une cellule « Solde dû » en bas à droite d’un tableau ; un tableau de bord interne l’affiche dans une carte colorée au milieu d’une grille de métriques. Trois interfaces, trois systèmes de coordonnées. Un modèle qui fonctionne sur la première capture échoue sur la seconde par conception — les coordonnées ne veulent rien dire en dehors de l’application où elles ont été mesurées.

Les captures d’écran de différentes applications ne partagent aucun système de coordonnées. Une méthode d’extraction de champs basée sur les positions de pixels repose sur du sable. La méthode doit comprendre ce que les données signifient, pas où elles se trouvent.

C’est le changement qui rend l’extraction par colonne personnalisée utile à comprendre pour quiconque travaille avec des captures d’écran. Ce n’est pas une version plus rapide de l’approche par rectangle — c’est un principe fondamentalement différent.

Comment l’extraction par colonne personnalisée trouve les valeurs sans savoir où elles sont

L’extraction par colonne personnalisée repose sur un principe unique : vous décrivez ce que vous voulez trouver, et l’IA parcourt toute la page pour trouver des valeurs correspondant à cette description — non pas en cherchant un texte d’étiquette correspondant, mais en comprenant ce que signifie l’étiquette et en identifiant les valeurs qui correspondent à son rôle sémantique.

Lorsque vous tapez « Montant de l'affaire » comme nom de colonne, vous ne demandez pas à l'IA de chercher le texte exact « Montant de l'affaire » sur la page. Vous lui dites : « trouve une valeur monétaire qui représente le montant total d'une transaction ou d'une opportunité commerciale. » L'IA lit l'intégralité de la capture d'écran — chaque libellé, chaque nombre, chaque texte contextuel — et localise la valeur qui remplit ce rôle sémantique. Dans la capture d'écran Salesforce, cela pourrait être « 47 200 $ » affiché bien en haut d'une fiche d'opportunité. Dans la capture QuickBooks, cela pourrait être « 47 200 $ » dans la ligne « Solde dû » d'un tableau de facture. Dans le tableau de bord interne, cela pourrait être « 47 200 » affiché dans une carte métrique colorée sans aucun symbole monétaire.

Le même nom de colonne fonctionne dans les trois cas, car l'IA résout un problème sémantique, pas spatial. Elle se demande « quel nombre sur cette page fait office de montant de l'affaire ? » — pas « quel texte se trouve aux coordonnées (340, 128) ? » La différence est celle entre comprendre un document et le photographier.

C'est pourquoi cette approche est parfois appelée extraction par nom de colonne : les noms que vous tapez dans les en-têtes de colonnes de votre tableau de sortie servent également d'instructions d'extraction. Il n'y a pas d'étape séparée pour configurer des règles, pas de phase d'apprentissage pour annoter des exemples de documents, pas de bibliothèque de modèles à maintenir. Les mêmes noms de colonnes qui apparaissent dans votre fichier Excel final sont ceux que l'IA a utilisés pour trouver les données.

L'OCR de modèle répond à « quel texte se trouve à la position (x, y) ? » L'extraction par colonne personnalisée répond à « où sur cette page se trouve la valeur qui signifie "Montant de l'affaire" ? » La première question devient caduque dès que vous changez d'application. La seconde ne dépend pas du tout de l'application.

Pour une vue d'ensemble de la différence entre l'extraction par capture d'écran et l'OCR traditionnelle, consultez notre guide complet pour extraire des données de captures d'écran.

Étape par étape : définissez vos colonnes une fois, extrayez de toute capture d'écran

Le processus comporte trois étapes, et seule la première se fait plus d'une fois. Cette asymétrie est l'essence même du système : vous investissez la réflexion en amont, et chaque capture d'écran ultérieure utilise la même définition sans aucune reconfiguration.

Étape 1 : Nommez les champs dont vous avez besoin. C'est la seule décision à prendre. Ouvrez l'outil d'extraction et saisissez les noms de colonnes correspondant aux données souhaitées — exactement comme vous voulez les voir apparaître dans votre feuille de calcul. Pour un suivi des transactions entre applications, vous pourriez saisir :

Client | Montant de l'affaire | Date de clôture | Étape | Responsable

Pour un rapprochement financier à partir de captures d'écran bancaires, confirmations de paiement et tableaux de bord comptables, vous pourriez saisir :

Date de transaction | Montant | Contrepartie | Référence | Application source

Ces noms de colonnes constituent votre spécification d'extraction. L'IA les interprète comme des instructions — « trouver des valeurs correspondant à cette description » — et non comme des chaînes de recherche littérales. Le libellé « Client » correspondra à « Client », « Nom du compte », « Facturé à » ou tout autre champ sémantiquement équivalent dans différentes interfaces d'applications. Pour plus de détails sur la précision des noms de colonnes, rendez-vous à la section stratégie de nommage ci-dessous.

Étape 2 : Importez vos captures d’écran. Glissez la fiche Salesforce, l’onglet facture QuickBooks et le tableau de bord interne — ou 50 captures de 10 applications différentes. L’IA traite chaque capture indépendamment, en appliquant les mêmes définitions de colonnes à chacune. Elle n’a pas besoin de savoir quelle capture provient de quelle application.

Étape 3 : Téléchargez le tableau fusionné. Chaque valeur trouvée par l’IA pour chaque nom de colonne est organisée en lignes — une ligne par capture. Les en-têtes de colonnes de votre fichier de sortie correspondent exactement aux noms que vous avez saisis à l’étape 1. Si une capture ne contient pas de valeur pour une colonne donnée (par exemple, le tableau de bord interne n’a pas de champ « Propriétaire »), cette cellule reste vide — l’extraction se poursuit pour les autres colonnes sans erreur.

JPG/PNG/PDF Extraction IA

Les fichiers sont traités de manière sécurisée et ne sont pas conservés.

Arrêtez la saisie manuelle — laissez l'IA lire vos documents

Image ou PDF — données structurées en 10 secondes

Essayer maintenant →

Sans inscription · Sans carte bancaire · Résultat en 10 secondes

Comment nommer les colonnes pour une extraction optimale des captures d'écran

Les noms de colonnes ont plus d'importance dans l'extraction de captures d'écran que dans le traitement de documents traditionnel. Une facture PDF utilise presque toujours un texte d'étiquette prévisible : « Numéro de facture », « Date d'échéance », « Sous-total ». Les interfaces de capture d'écran utilisent l'étiquette choisie par le concepteur de l'application — et selon les applications, ces étiquettes varient considérablement.

Les principes de nommage ci-dessous sont spécifiquement adaptés au flux de travail capture d'écran vers tableur, où le même nom de colonne doit fonctionner sur des interfaces conçues par différentes équipes avec des conventions différentes.

Principe	Pourquoi c'est important pour les captures d'écran	Exemple
Utiliser le concept métier, pas le libellé de l'interface	Une application nomme le champ « Client », une autre « Nom du compte », une troisième « Nom du client ». « Client » comme nom de colonne couvre les trois car l'IA associe le rôle sémantique, pas la chaîne littérale.	Colonne : Client — correspond à « Client », « Nom du compte », « Facturé à », « Nom du client » dans différentes interfaces
Distinguer les champs similaires avec des qualificatifs	Les captures d'écran de CRM et d'ERP montrent souvent plusieurs chiffres similaires. Une fiche d'affaire peut afficher « Montant », « Revenu attendu » et « ARR » sur le même écran. « Montant de l'affaire » est bien plus précis que « Montant ».	« Montant de l'affaire » au lieu de « Montant » — distingue la valeur de transaction principale des chiffres annualisés ou prévisionnels
Inclure une indication de format quand le format de sortie compte	Différentes applications affichent les dates différemment : « 15/03/26 », « 15 mars 2026 », « 2026-03-15 ». Une indication de format dans le nom de colonne indique à l'IA de normaliser, quel que soit l'affichage de l'application source.	« Date de clôture (AAAA-MM-JJ) » — normalise tous les formats de date en un seul standard
Ajouter du contexte pour les valeurs apparaissant comme des nombres isolés	Les cartes KPI de tableau de bord affichent souvent des nombres sans libellés à proximité — juste « 47 200 » en gros caractères avec un petit sous-titre « variation en % ». L'IA a besoin d'un cadre sémantique suffisant pour associer le nombre à la bonne colonne.	« MRR (Revenu mensuel récurrent, USD) » — donne à l'IA le contexte nécessaire lorsque l'interface fournit un étiquetage minimal

Un utilisateur Reddit ayant traité plus de 600 captures d'écran issues d'une application de collecte de données terrain a parfaitement résumé le problème de nommage : il avait besoin d'extraire « Numéro de tag, Longueur (cm), Poids (kg), Type d'événement, Opérateur, Date, Heure, GPS/Localisation, Température de l'eau » de chaque image. Les unités entre parenthèses — « (cm) », « (kg) », « (°C) » — ne sont pas des détails optionnels. Ce sont des instructions qui indiquent à l'IA quel nombre correspond à quoi lorsque l'interface affiche plusieurs mesures sur le même écran.

Traitement par lots : une définition de colonne, un nombre illimité de captures d'écran, quelle que soit l'application

Une fois vos noms de colonnes définis, le flux de travail passe à l'échelle sans configuration supplémentaire. C'est là que l'investissement dans la première étape porte ses fruits : 5 ou 500 captures d'écran — de 2 ou 20 applications — la spécification d'extraction reste la même.

Prenons le cas du chercheur de terrain avec 600 captures d'écran d'une application mobile de saisie de données. Chaque capture contient les mêmes types de données (numéro de tag, longueur, poids, coordonnées GPS), organisées dans la même interface utilisateur sur la même application. C'est le cas simple — même application, même mise en page, juste un volume élevé. L'extraction par colonnes personnalisées gère cela, tout comme un modèle OCR bien configuré.

Le cas plus complexe — et celui qui fait de l'extraction par colonnes personnalisées la bonne architecture — est celui où les captures d'écran proviennent de différentes applications. Un responsable des opérations collectant des indicateurs hebdomadaires pourrait capturer :

Le chiffre d'affaires et le nombre de commandes depuis un panneau d'administration Shopify (mise en page de tableau de bord e-commerce)
Les expéditions en attente depuis un écran ShipStation (mise en page de tableau logistique)
Le volume de tickets de support client depuis un tableau de bord Zendesk (mise en page de cartes analytiques)
Le solde bancaire depuis une capture d'écran de l'application mobile Chase (mise en page de carte bancaire)

Chaque capture d'écran a un aspect totalement différent. Pourtant, les colonnes — « Revenus », « Commandes », « Expéditions en attente », « Tickets ouverts », « Solde bancaire » — trouvent leurs valeurs dans chacune d'elles. L'IA lit chaque capture indépendamment, comprend les données qu'elle contient et associe les valeurs correspondantes aux bonnes colonnes. Le résultat est un tableau unique avec une ligne par capture et exactement les colonnes que vous avez définies.

Pour une présentation détaillée du flux de traitement par lots — conventions de nommage, fusion des résultats et gestion des captures provenant de sources multiples — consultez notre guide sur le traitement par lots de captures d'écran d'applications en feuilles de calcul structurées. Si vous débutez dans l'extraction de captures d'écran et souhaitez une base plus large, commencez par comment extraire des données de captures d'écran vers Excel sans saisie manuelle.

Pour un outil dédié qui convertit toute capture d'écran en données Excel structurées en utilisant l'approche par noms de colonnes décrite ici, consultez notre outil d'extraction de captures d'écran vers Excel.

Questions fréquentes

Cela fonctionne-t-il sur des captures d'écran sans tableaux — uniquement des fiches ou des paires libellé-valeur ?

Oui. C'est le scénario où l'extraction par colonnes personnalisées apporte le plus de valeur par rapport aux outils de détection de tableaux. Une confirmation de paiement est constituée de trois paires libellé-valeur empilées verticalement. Une fiche de deal CRM est une carte visuelle avec 8 à 10 champs disposés de manière non tabulaire. Un détail de transaction bancaire est une liste déroulante de lignes clé-valeur. L'IA trouve les valeurs demandées, que la disposition soit un tableau, une fiche, un formulaire ou un agencement mixte — elle lit pour le sens, pas pour la structure de grille.

Que faire si deux nombres différents sur la même capture peuvent tous deux correspondre à un nom de colonne ?

Voilà pourquoi la précision du nom de colonne est importante. « Montant » est ambigu — une fiche d'opportunité Salesforce peut afficher le montant de l'affaire, le chiffre d'affaires attendu et le revenu récurrent annuel sur le même écran. « Montant de l'affaire » est suffisamment spécifique pour lever l'ambiguïté. Si un doute persiste, ajoutez un indice de format ou de position : « Montant de l'affaire (la valeur la plus élevée sur la fiche) » donne à l'IA le cadre nécessaire pour choisir la bonne valeur. Plus votre nom de colonne est précis, moins il y a de place pour l'ambiguïté.

Puis-je extraire des données de captures d'écran contenant à la fois du texte et des chiffres dans des mises en page non structurées ?

Oui, dans des limites raisonnables. Si une capture d'écran contient un paragraphe de texte libre et, quelque part dedans, les données dont vous avez besoin (par exemple, un message de chat disant « veuillez expédier 50 unités de SKU-4421 au 123 rue Principale »), l'IA peut extraire la quantité, le SKU et l'adresse dans des colonnes séparées — à condition que vos noms de colonnes soient clairs sur ce que vous recherchez (« Quantité à expédier », « SKU », « Adresse de livraison »). L'extraction est moins fiable qu'avec des interfaces structurées, mais elle fonctionne. Pour l'extraction de commandes à partir de chats, la même approche de nommage des colonnes s'applique.

Quelle précision puis-je attendre de l'extraction par capture d'écran entre applications ?

La précision dépend de trois facteurs : la qualité de l'entrée (les captures d'écran propres et lisibles fonctionnent mieux que les floues ou recadrées), la spécificité du nom de colonne (les noms vagues produisent des correspondances ambiguës) et la clarté sémantique de l'interface (une application qui étiquette clairement ses champs donne de meilleurs résultats qu'une autre qui noie les valeurs dans du texte dense). En pratique, des noms de colonnes bien choisis sur des captures d'écran claires atteignent une haute précision — souvent supérieure à 95 % pour des champs simples comme les montants, les dates et les noms. Les interfaces complexes ou très abrégées peuvent nécessiter des vérifications ponctuelles, c'est pourquoi le tableau de sortie est un tableur standard que vous pouvez modifier directement.

Cette approche fonctionne-t-elle pour des captures d'écran dans d'autres langues que l'anglais ?

Les noms de colonnes doivent correspondre à la langue de votre résultat cible, pas nécessairement à celle de la capture d'écran. Si votre colonne est « Customer Name » et que la capture est en allemand avec « Kundenname », l'IA comprend qu'il s'agit du même concept. La correspondance sémantique fonctionne entre les langues car elle repose sur le sens, pas sur la chaîne de caractères.

En quoi cela diffère-t-il de la fonctionnalité « Données à partir d'une image » d'Excel ?

La fonction « Données à partir d'une image » d'Excel est un détecteur de tableaux : elle recherche des structures en lignes et colonnes et les convertit en cellules de feuille de calcul. Elle fonctionne bien avec les tableaux propres et bordés. Elle ne fonctionne pas avec les dispositions en cartes, les paires étiquette-valeur, les indicateurs de tableau de bord, ni aucune interface non tabulaire. L'extraction personnalisée de colonnes n'exige pas que les données soient dans un tableau : elle trouve les valeurs par rôle sémantique, n'importe où sur la page. Les deux approches résolvent des problèmes différents.