Comment extraire les données d'un certificat d'enregistrement d'entreprise coréen
vers Excel pour le KYC fournisseur

Le certificat d’enregistrement d’entreprise (사업자등록증) dans le KYC fournisseur : définition et importance de ses données

Le certificat d’enregistrement d’entreprise coréen est le document d’identité fondamental pour toute entité commerciale opérant en Corée du Sud. Délivré par le Service national des impôts (NTS, 국세청) conformément à l’article 8 de la loi sur la taxe sur la valeur ajoutée (부가가치세법 제8조) et l’article 168 de la loi sur l’impôt sur le revenu (소득세법 제168조), toute entreprise — qu’il s’agisse d’un travailleur indépendant ou d’une multinationale — doit s’enregistrer et obtenir ce certificat dans les 20 jours suivant le début de ses activités. La portée juridique du document dépasse l’administration fiscale : en vertu de la loi coréenne sur les transactions financières réelles (금융실명법, Act on Real Name Financial Transactions and Confidentiality), le 사업자등록증 sert de preuve principale de l’identité commerciale pour toutes les transactions financières, les opérations bancaires et les contrats commerciaux.

Dans le cadre du KYC fournisseur, le certificat vous renseigne sur huit éléments concernant un vendeur potentiel :

Ces huit champs constituent l’ensemble de données minimal que toute équipe KYC doit vérifier pour un fournisseur coréen. Pourtant, en pratique, ils arrivent dans des formats variés : un scan PDF joint à un e-mail, une photo prise avec un smartphone d’un certificat plastifié, une copie faxée ou une capture d’écran du portail HomeTax (홈택스) du NTS. Aucun de ces formats n’est structuré pour une saisie en base de données — et c’est là que commence le problème d’extraction.

Étape par étape : Extraire les données d'un certificat d'enregistrement d'entreprise coréen (사업자등록증) vers Excel

Transformer un certificat d'enregistrement d'entreprise coréen en une ligne structurée dans un tableur se déroule en quatre étapes. Le temps de configuration est le même, que vous traitiez un certificat ou cinquante — c'est tout l'intérêt d'utiliser l'extraction plutôt que la saisie manuelle.

Étape 1 : Collecter les certificats

Rassemblez tous les documents 사업자등록증 reçus — qu'ils soient arrivés sous forme de pièces jointes par e-mail (PDF ou image), de photos prises par le personnel sur le terrain, ou de copies scannées depuis un portail fournisseur. L'outil accepte les formats JPG, PNG, PDF et WebP, il n'est donc pas nécessaire de convertir ou normaliser les fichiers. Téléchargez-les tous en un seul lot. Un lot de 50 certificats fournisseurs prend à peu près le même temps de téléchargement qu'un seul — environ 30 à 60 secondes pour le transfert des fichiers, selon leur taille.

Étape 2 : Définissez vos colonnes de sortie

C'est là que l'extraction sémantique diffère de l'OCR basée sur des modèles. Au lieu de dessiner des rectangles sur un modèle de document (qui échoue dès que le certificat du fournisseur suivant a une mise en page différente), vous nommez simplement les champs que l'IA doit trouver. Saisissez les noms de colonnes qui correspondent à votre feuille de calcul KYC : Numéro d'immatriculation, Nom de l'entreprise, Représentant, Adresse, Classification fiscale, Code d'activité, Date de début. Les noms de colonnes que vous entrez deviennent les en-têtes de votre tableau final. Aucune configuration de modèle par fournisseur n'est nécessaire — l'IA lit chaque certificat et localise le champ correspondant par compréhension sémantique, et non par position de coordonnées.

Cette approche, appelée Extraction de colonnes personnalisées, signifie que vous définissez la structure de sortie une fois, et chaque certificat — quel que soit l'émetteur, l'appareil photo utilisé, ou qu'il s'agisse d'un scan ou d'une capture d'écran — correspond aux mêmes colonnes. Un fournisseur qui soumet une photo prise en angle produit la même ligne structurée qu'un autre qui télécharge un PDF propre depuis le portail NTS.

Étape 3 : Extraction par IA

Une fois les fichiers téléchargés et les colonnes définies, le moteur d'extraction traite tous les certificats du lot simultanément. Chaque document est analysé par un modèle de langage visuel qui identifie les étiquettes de champs, lit les valeurs associées et les fait correspondre aux colonnes demandées. Le temps de traitement est de 5 à 10 secondes par page, et le lot se termine une fois que tous les fichiers ont été traités — généralement en quelques minutes pour des volumes de fournisseurs typiques.

Étape 4 : Export vers Excel ou CSV

Les résultats sont livrés sous forme d'un seul fichier Excel (XLSX) ou CSV. Chaque certificat devient une ligne ; chaque colonne définie devient une colonne. Le fichier exporté est prêt à être importé dans votre base de données KYC, votre ERP (comme Douzone, Ecount ou SAP) ou votre système de gestion des fournisseurs. Aucun reformatage manuel n'est nécessaire — la structure des données correspond aux noms de colonnes que vous avez définis à l'étape 2, et le format de fichier est le CSV ou XLSX standard accepté par toutes les plateformes comptables coréennes.

Les 8 champs clés de votre feuille de calcul KYC — et comment lire le BRN

Le numéro d'enregistrement d'entreprise (사업자등록번호) contient lui-même des informations utiles que les équipes KYC peuvent exploiter pour une évaluation rapide des fournisseurs, sans recouper une base de données distincte. Comprendre la structure de ce numéro transforme un identifiant à dix chiffres en un outil de vérification instantané.

Le format du BRN XXX-XX-XXXXX se décompose comme suit :

D'un simple coup d'œil sur les deux chiffres du milieu, vous pouvez déterminer si un fournisseur est un entrepreneur individuel, le siège d'une société, une succursale, un organisme à but non lucratif ou une entité étrangère — sans consulter aucune base de données. C'est le type de signal qui accélère le tri KYC initial, en particulier lors du traitement de grands lots de candidatures de fournisseurs où la plupart passent le premier filtrage et seules les exceptions nécessitent une escalade.

L'ensemble complet des huit champs — BRN, nom de l'entreprise, représentant, date de début, adresse, code d'activité, classification fiscale et motif de délivrance — vous fournit tout ce dont vous avez besoin pour remplir un enregistrement maître de fournisseur. La comparaison des outils gouvernementaux, ERP nationaux et IA facturés en dollars montre que les outils disponibles sur le marché intérieur coréen nécessitent soit un abonnement ERP, soit une facturation à la page ; aucun de ces modèles de tarification n'est optimisé pour le cas d'usage KYC par lots, où vous devez traiter un volume irrégulier de certificats — parfois 10 par mois, parfois 200 lors d'un cycle de mise à jour des fournisseurs.

Pourquoi la saisie manuelle est le vrai goulot d'étranglement dans l'intégration des fournisseurs coréens

Le coût de la saisie manuelle des données pour le KYC des fournisseurs ne se limite pas au temps passé à taper. C'est le retard dans l'intégration, les erreurs qui passent entre les mailles du filet et le risque de conformité lié à l'utilisation d'informations fournisseur incorrectes.

Prenons l'exemple d'une entreprise de taille moyenne qui intègre 30 nouveaux fournisseurs coréens par trimestre. Chaque 사업자등록증 contient huit champs clés. Cela représente 240 points de données par trimestre — et en réalité, chaque certificat nécessite plus de huit champs, car l'équipe conformité enregistre également la date de soumission, le réviseur, le statut de vérification et la date d'expiration du document. La saisie manuelle, à environ trois minutes par certificat, représente 90 minutes par lot de 30 certificats si tout se passe bien. En pratique, cela prend plus de temps : le saisisseur doit zoomer sur une photo de smartphone pour lire un numéro d'enregistrement flou, retaper l'adresse à partir d'un scan incliné, ou vérifier si « 일반과세자 » signifie que le fournisseur peut émettre des factures de TVA (c'est le cas, mais le responsable conformité doit encore le confirmer par rapport à la politique interne).

Ajoutez un taux d'erreur de saisie de 2 à 3 % — un chiffre mal lu dans un BRN de dix caractères envoie un paiement à la mauvaise entité — et le coût de la saisie manuelle se multiplie. Pour une équipe conformité traitant 30 certificats par trimestre, cela signifie environ 5 à 7 champs mal saisis par lot. Chaque erreur nécessite un e-mail ou un appel téléphonique de suivi au fournisseur, retardant le cycle d'intégration de plusieurs jours ou semaines.

L'extraction par lots élimine ces erreurs à la source. L'IA lit chaque champ directement depuis l'image du document et le restitue sous forme de texte structuré. Le profil d'erreur passe des erreurs de transcription (mauvais chiffre, nom mal orthographié, adresse inversée) aux cas limites d'interprétation (texte pâle sur une photocopie, tampon partiellement masqué) — qui sont beaucoup moins fréquents et bien plus faciles à détecter lors de la relecture.

Comment l'extraction sémantique traite les certificats coréens

Les certificats d'enregistrement d'entreprise coréens présentent trois défis que les outils OCR traditionnels gèrent mal et que l'extraction sémantique résout directement.

Défi 1 : Interférence des tampons. Le 사업자등록증 comporte plusieurs tampons officiels (직인) du bureau des impôts émetteur. Ces tampons chevauchent souvent les champs de texte imprimés — le sceau du chef du bureau peut partiellement couvrir la date d'émission ou la classification fiscale. L'OCR traditionnel lit l'encre sur le texte comme du bruit et produit des caractères illisibles. Un modèle de langage visuel lit le document de manière holistique : il comprend qu'un cercle rouge est un tampon, l'ignore pour la reconnaissance du texte et lit correctement les caractères sous-jacents. Cette distinction est importante car les tampons sont présents sur presque tous les 사업자등록증 — ils font partie du document, ce n'est pas une anomalie.

Défi 2 : Mélange de coréen, de caractères chinois et d'anglais. Les certificats coréens utilisent le hangeul (한글) pour la plupart des étiquettes et valeurs, les hanja (한자, caractères chinois) dans les noms d'entreprise et les adresses, et l'anglais dans certains certificats orientés export. Un outil optimisé pour un système d'écriture se dégrade sur les autres. Le modèle visuel utilisé dans l'extraction sémantique traite les trois simultanément sur la même page — il ne change pas de moteur OCR selon les écritures. Un fournisseur dont le nom contient des hanja (ex. 株式会社 dans une ancienne société de commerce) est lu correctement aux côtés des champs en hangeul.

Défi 3 : Variation d'angle, d'éclairage et de format. Les 사업자등록증 réels arrivent sous toutes les formes : scan à plat, photo de bureau prise avec un téléphone, fax d'un fax, capture d'écran du portail HomeTax. L'OCR basé sur modèle nécessite que le document soit positionné dans une zone prédéfinie. Une photo prise à 20 degrés déplace chaque champ hors de sa boîte englobante attendue. L'extraction sémantique ne dépend pas de la position du champ — elle trouve la valeur en lisant l'étiquette à côté, peu importe où se trouve cette étiquette sur la page. Cette indépendance du format est ce qui rend le traitement par lots possible sans configuration par fournisseur.

FAQ

Puis-je extraire des données d'un certificat d'enregistrement d'entreprise qui est uniquement en coréen, sans anglais ?

Oui. L'IA lit le hangeul aussi naturellement qu'elle lit l'anglais ou le hanja — ce n'est pas un moteur OCR séparé avec le coréen comme module complémentaire. Les noms de colonnes dans votre modèle d'extraction peuvent être en anglais (ex. « Business Name »), et l'IA localisera le libellé de champ coréen correspondant (« 상호 ») et en extraira la valeur. Le tableau de sortie contiendra les valeurs textuelles coréennes extraites sous vos en-têtes de colonnes en anglais. Pour les certificats bilingues contenant à la fois du texte coréen et anglais sur le même document, l'IA lit la langue utilisée par le libellé du champ.

Que faire si le certificat du fournisseur est une photo prise en angle ou dans un mauvais éclairage ?

L'extraction sémantique gère mieux les photos inclinées et l'éclairage inégal que l'OCR traditionnel, car elle ne dépend pas d'un positionnement de face. Le modèle de vision interprète le document comme le ferait un humain — il identifie les libellés de champs et leurs valeurs par leur contenu et leur disposition relative, sans les attendre à des coordonnées fixes. Les photos floues ou de très basse résolution peuvent réduire la précision, mais la situation la plus courante (une photo de bureau prise avec un smartphone sous un éclairage de bureau standard) produit une extraction fiable.

L'outil d'extraction valide-t-il que le BRN est un enregistrement réel et actif ?

Non — l'outil extrait le BRN tel qu'imprimé sur le certificat, mais il n'interroge pas la base de données du NTS pour confirmer que le numéro est actuellement actif ou que l'entreprise n'a pas fermé depuis. Le BRN extrait peut être vérifié via le portail HomeTax du NTS (www.hometax.go.kr) ou via l'API du portail de données publiques de Corée (data.go.kr). L'étape d'extraction produit les données structurées ; une étape de vérification distincte confirme leur validité actuelle. Cette séparation entre extraction et vérification est une pratique courante dans les flux KYC, où les données extraites sont l'entrée, et non la sortie, du processus de vérification.

Que se passe-t-il si un champ est manquant sur le certificat ?

Si un champ spécifique n'apparaît pas sur le document (par exemple, un certificat réémis peut ne pas afficher la date de début d'activité d'origine), la cellule de colonne correspondante restera vide. L'extraction n'invente pas de valeurs — elle ne produit que ce qu'elle trouve sur la page. Ce comportement est cohérent pour tous les documents du lot, ce qui facilite le repérage des champs manquants dans le tableur exporté et le suivi avec le fournisseur concerné.

Puis-je traiter par lots des certificats de travailleurs indépendants et de grandes entreprises ensemble ?

Oui. Le format 사업자등록증 est normalisé par le NTS — la même structure de document s'applique à un freelance solo et à une filiale de Samsung. Les deux produisent un BRN, un nom d'entreprise, un nom de représentant, une adresse et une classification fiscale. La seule différence est le code de type d'entité dans les deux chiffres du milieu du BRN (01–79 pour les travailleurs indépendants, 81/86–88 pour les sociétés), que l'IA extrait dans le cadre du champ BRN. Un lot unique avec des types d'entités mixtes est traité en une seule passe.

Comment cela se compare-t-il à l'utilisation de Naver Clova OCR pour la même tâche ?

Naver Clova OCR lit le texte coréen avec une grande précision (97–99 %) et coûte environ ₩50 par page. La différence cruciale réside dans ce qui se passe après la reconnaissance du texte : Clova OCR renvoie des chaînes de texte brutes avec des données de position, mais ne comprend pas quelle chaîne correspond au nom de l'entreprise, au nom du représentant ou à l'adresse. Pour extraire des champs structurés, vous devriez soit écrire une logique d'analyse personnalisée par mise en page de certificat, soit configurer un modèle par format de document — ce qui va à l'encontre du traitement par lots lorsque chaque certificat de fournisseur peut présenter des différences subtiles de mise en page. L'extraction sémantique par IA renvoie des données déjà structurées et mappées à vos noms de colonnes, sans nécessiter d'analyse post-extraction. La comparaison du coût par page dépend du volume — l'analyse des prix de l'extraction de documents coréens détaille les points d'équilibre entre les outils API par page et l'extraction à tarif forfaitaire pour différents volumes mensuels.

Quelles colonnes dois-je inclure si je ne sais pas encore quelles données sont nécessaires ?

Commencez par les huit champs standard listés dans cet article : BRN, nom de l'entreprise, nom du représentant, date de début, adresse professionnelle, code sectoriel, classification fiscale et motif de délivrance. Ceux-ci couvrent les exigences minimales pour le KYC des fournisseurs selon la réglementation AML/CFT de la Corée. Si votre cadre de conformité nécessite plus de détails — comme les informations du co-représentant ou une sous-classification spécifique du type d'entreprise — vous pouvez ajouter ces colonnes au modèle d'extraction et l'IA les recherchera sur le document. La définition des colonnes n'est pas fixe ; vous pouvez l'ajuster entre les lots selon l'évolution de vos exigences KYC.