Comment extraire des données de captures d'écran
vers Excel sans saisie manuelle

Pourquoi le copier-coller ne fonctionne pas — et pourquoi la seule OCR ne suffit pas

Une capture d'écran est une grille de pixels, pas un conteneur de texte. C'est pour cela que Ctrl+C sur une image et Ctrl+V dans Excel ne donne rien d'utile — et pourquoi même la reconnaissance optique de caractères, à elle seule, résout rarement le problème proprement.

La raison n'est pas que l'OCR lit mal les caractères. C'est que la plupart des captures d'écran que les gens manipulent — confirmations de paiement, vues de tableaux de bord CRM, outils de reporting internes — ne ressemblent pas à des feuilles de calcul. Une confirmation de tableau de bord Stripe place « Montant : 249,00 $ » dans un panneau, l'ID de transaction dans un autre, et l'email du client dans un troisième — tous à des positions différentes, sans lignes de grille entre eux. L'OCR traditionnelle lit cela comme une séquence plate de fragments de texte : « Montant », « 249,00 $ », « ID de transaction », « pi_3Nk... », « Client », « [email protected] ». Ce que vous vouliez, c'était deux colonnes — Champ et Valeur — avec chaque étiquette associée à son nombre. Ce que vous avez obtenu, c'est un tas de texte qu'il faut maintenant réorganiser manuellement.

C'est l'écart entre « reconnaître des caractères » et « comprendre des données ». L'OCR peut lire les pixels. Elle ne peut pas comprendre que « 249,00 $ » est la réponse à « Montant ». Cette distinction explique pourquoi un nombre croissant de personnes qui tentent des workflows capture d'écran vers Excel se retrouvent bloquées — l'outil leur a donné quelque chose, mais le nettoyage est comparable à une saisie manuelle complète.

Ce que l'outil intégré d'Excel peut faire... et où il s'arrête

La fonctionnalité « Données à partir d'une image » d'Excel — introduite dans Microsoft 365 et accessible sous Données > À partir d'une image > Image à partir d'un fichier ou Image à partir du presse-papiers — lit les données structurées d'une image et les place dans votre feuille de calcul. Pour une capture d'écran nette d'un tableau avec bordures, elle fonctionne plutôt bien. Excel identifie les lignes, les colonnes et les limites des cellules, puis vous permet de vérifier et de corriger les cellules signalées avant d'insérer les données.

La fonctionnalité suppose exactement ce que ses supports marketing laissent entendre : que votre capture d'écran contient quelque chose qui ressemble à une feuille de calcul. Quand c'est le cas — une photo bien éclairée d'un tableau de facture imprimé, une capture d'écran nette d'une grille de données web — les résultats sont utilisables. Mais cette hypothèse échoue en pratique pour trois raisons que les tutoriels mentionnent rarement :

1. Les captures d'écran réelles ne sont pas des tableaux. La plupart des captures de tableaux de bord, des confirmations de paiement et des écrans de systèmes internes affichent les données sous forme de paires étiquette-valeur dispersées dans des panneaux — pas sous forme de lignes et de colonnes dans des bordures visibles. La documentation de Microsoft elle-même recommande de recadrer votre image pour inclure « uniquement les données que vous souhaitez importer », ce qui suppose que les données sont déjà organisées en tableau. Quand ce n'est pas le cas, Excel soit ignore complètement des champs, soit fusionne des valeurs non liées dans des cellules uniques.

2. Le service cloud a des problèmes de disponibilité. Comme documenté dans plusieurs fils de discussion sur Microsoft Q&A, la fonctionnalité Données à partir d'une image a connu des pannes prolongées où l'analyse reste bloquée à 20 % sans jamais se terminer. Les modérateurs de la communauté ont confirmé qu'il s'agit d'un « problème côté serveur » sans « solution de contournement ». Quand cela se produit — et cela s'est produit chez plusieurs utilisateurs, dans différents environnements, et même dans Excel pour le web — l'outil intégré est tout simplement indisponible.

3. Cela ne passe pas à l'échelle au-delà d'une capture d'écran à la fois. Data from Picture traite les images individuellement. Si vous avez 50 captures d'écran de paiement à traiter, vous répétez la boucle capture d'écran → analyse → vérification → insertion 50 fois. Il n'y a pas de mode batch. Il n'y a pas de sortie fusionnée dans une seule feuille. La fonctionnalité a été conçue pour un usage occasionnel, pas pour un volume opérationnel récurrent.

Extraction par nom de colonne : dites à l'IA ce que vous voulez, pas où elle doit le trouver

L'extraction par nom de colonne inverse le flux de travail. Au lieu d'extraire tout d'une capture d'écran et de nettoyer ensuite, vous commencez par indiquer à l'IA les colonnes souhaitées — Date, Montant, ID de transaction, Mode de paiement — et elle ne trouve que ces valeurs sur chaque capture d'écran, quel que soit l'application qui l'a générée.

Cela fonctionne grâce au mécanisme sous-jacent : un modèle de langage visuel. Contrairement à l'OCR traditionnel, qui analyse les pixels pour y reconnaître des formes de caractères et devine leur agencement, une IA visuelle lit une capture d'écran comme le ferait une personne — en comprenant ce que chaque information signifie. Elle voit « Total de la commande » à côté de « 149,99 $ » et reconnaît que le nombre est un montant monétaire associé à cette étiquette. Elle voit « 2026-05-14 » et reconnaît une date, même si elle apparaît à une position différente sur chaque capture d'écran du lot.

C'est la différence fondamentale avec les outils basés sur un modèle. L'OCR basé sur un modèle exige de dessiner des cadres autour de chaque champ sur une image de référence — et échoue dès que la capture d'écran suivante provient d'une autre application avec une mise en page différente. L'extraction par nom de colonne ne se soucie pas de la position. Elle se soucie du sens. Une confirmation PayPal et une capture d'écran d'application bancaire peuvent toutes deux être traitées avec la même définition de colonnes — « Date », « Montant », « ID de transaction » — parce que l'IA identifie chaque champ par ce qu'il représente, et non par son emplacement.

Lorsque vous n'avez besoin que de certains champs — ce qui est presque toujours le cas — l'extraction par nom de colonne élimine entièrement l'étape de nettoyage. Vous obtenez une feuille de calcul avec exactement les colonnes demandées, et non 40 cellules de sortie OCR à rogner et réaligner. Pour approfondir cette approche, y compris comment nommer les champs pour des résultats optimaux, lisez comment extraire uniquement les champs spécifiques souhaités à partir de captures d'écran.

Étape par étape : de la capture d'écran à un Excel structuré en moins d'une minute

L'approche par nom de colonne transforme ce qui était une tâche manuelle de 3 minutes par capture en une étape de traitement IA de 5 à 10 secondes. Voici le flux de travail exact, d'un dossier de captures d'écran sur votre bureau à un fichier Excel propre.

1. Rassemblez vos captures d'écran. Elles peuvent provenir de n'importe où — une application bancaire, une confirmation Stripe, un tableau de bord Salesforce, un outil de reporting interne. Le format n'a pas d'importance : les captures JPG, PNG, WebP, même AVIF fonctionnent toutes. Aucun prétraitement ni recadrage nécessaire — l'IA gère toute résolution et orientation de capture.

2. Saisissez vos noms de colonnes une seule fois. C'est ici que l'extraction par nom de colonne se distingue de tout le reste. Vous ne téléchargez pas de modèle. Vous ne dessinez pas de zones. Vous saisissez simplement les noms de champs souhaités — Date, Montant, ID de transaction, Mode de paiement, Statut. Ces noms de colonnes deviennent les en-têtes de votre tableau de sortie. L'IA les utilise comme instructions de recherche : trouvez sur chaque capture tout ce qui ressemble à une date, un montant, un ID de transaction, etc.

3. Laissez l'IA traiter. Le traitement prend environ 5 à 10 secondes par capture. Pour une seule image, c'est quasi instantané. Pour un lot de 20, vous attendrez quelques minutes — bien moins que la saisie manuelle de deux d'entre elles. Une saisie manuelle moyenne prend environ 3 minutes par capture si l'on compte le changement de fenêtres, la vérification de chaque valeur et le contrôle du résultat. À 5-10 secondes par image, l'extraction IA est environ 18 fois plus rapide.

4. Téléchargez une feuille de calcul structurée. Le résultat est un fichier XLSX ou CSV unique où chaque ligne représente une capture d'écran et chaque colonne correspond exactement au champ que vous avez spécifié. Stripe, application bancaire, tableau de bord interne — tout est fusionné dans un seul tableau avec des en-têtes cohérents. Aucun texte orphelin à supprimer, aucune colonne désalignée à corriger, aucun nettoyage manuel. Si vous souhaitez explorer toutes les fonctionnalités, consultez le guide d'extraction de capture d'écran vers Excel.

Lorsque vous avez plus d'une capture d'écran

Le flux de travail avec une seule capture d'écran couvre la plupart des besoins spontanés — une confirmation de paiement, un aperçu de tableau de bord. Mais le véritable gain d'efficacité apparaît lorsque vous traitez des captures d'écran par lots : 10, 50 ou 200 captures provenant de différentes applications, fusionnées dans une seule feuille de calcul avec des en-têtes de colonnes cohérents.

Le traitement par lots fonctionne car l'extraction par nom de colonne opère sur le sens, pas sur la position. Chaque capture d'écran du lot est traitée avec les mêmes définitions de colonnes. Une capture d'écran PayPal d'un lot et une capture d'écran Stripe du suivant produisent des lignes avec des colonnes correspondantes — Date, Montant, Statut — dans le même fichier de sortie. Vous n'avez pas besoin d'aligner les données entre les fichiers ensuite, car l'alignement s'est produit au moment de l'extraction.

Il existe deux scénarios où le traitement par lots fait le plus de différence :

Rapprochement de fin de période. Mensuellement ou trimestriellement, vous avez besoin des relevés de transactions de plusieurs plateformes de paiement, systèmes internes, et éventuellement de confirmations envoyées par e-mail — le tout consolidé dans une seule feuille de calcul. Téléchargez le dossier de captures d'écran, définissez vos colonnes une fois, téléchargez le résultat fusionné.

Collecte de données récurrente. Si vous traitez des captures d'écran à un rythme régulier — hebdomadaire, mensuel, par projet — les définitions de colonnes restent les mêmes. Vous réutilisez les mêmes noms de colonnes à chaque fois, donc la sortie de chaque lot est directement comparable à la précédente. Si cela décrit votre flux de travail et que vous utilisez Google Sheets, le guide du pipeline sans code de capture d'écran vers Google Sheets explique comment intégrer l'extraction à votre routine quotidienne sans changer d'outil.

Questions fréquemment posées

Est-ce que cela fonctionne si chaque capture d'écran provient d'une application complètement différente — PayPal, application bancaire, CRM interne ?

Oui, et c'est l'avantage principal de l'approche par IA visuelle. L'IA lit les valeurs des champs selon leur sens — elle comprend que « 249,00 $ » à côté de « Montant » est un montant de paiement, qu'il apparaisse sur un tableau de bord Stripe, une notification d'application bancaire ou un portail fournisseur. Un seul ensemble de définitions de colonnes traite toutes les captures d'écran du même lot, même lorsqu'elles proviennent d'applications différentes avec des mises en page complètement différentes.

Et les captures d'écran qui ne sont pas des tableaux — juste du texte éparpillé à l'écran ?

C'est le type de capture le plus courant avec lequel les gens travaillent. La plupart des interfaces d'applications affichent les données sous forme de paires étiquette-valeur (« Total de la commande : 149,99 € », « Statut d'expédition : En transit ») réparties sur des cartes, des panneaux et des sections — et non dans des cellules bordées d'un tableau. L'IA lit ces paires en comprenant la relation entre une étiquette et la valeur à proximité. Vos captures n'ont pas besoin d'être des tableaux pour en extraire des données structurées.

Peut-on traiter des captures d'écran de WhatsApp ou d'autres images de chat compressées ?

Les images compressées provenant d'applications de messagerie sont le type d'entrée le plus difficile. WhatsApp, Messenger et autres plateformes compressent fortement les images, ce qui dégrade la netteté des caractères. Bien que l'IA visuelle surpasse toujours l'OCR traditionnelle sur les images compressées — car elle utilise le contexte environnant pour interpréter ce qu'elle voit — la précision sera inférieure à celle des captures directes sur l'appareil. Pour de meilleurs résultats, capturez les écrans directement sur votre appareil plutôt que de les transférer via des applications de chat.

Existe-t-il un moyen gratuit de faire cela ?

Pour une utilisation occasionnelle avec des tableaux propres et bordés, l'outil intégré « Données à partir d'une image » d'Excel (inclus dans Microsoft 365) fonctionne sans frais supplémentaires. Il est limité à une image à la fois et nécessite Windows 11 ou Windows 10 version 1903 ou ultérieure avec Edge WebView2 Runtime installé. Pour les captures qui ne sont pas des tableaux bordés — ou lorsque vous devez traiter par lots plusieurs captures de sources différentes — le niveau gratuit d'un outil d'extraction par IA couvrira quelques captures pour tester si le flux de travail vous convient avant de vous engager.

Comment cela se compare-t-il à la saisie manuelle ?

À faible volume — une capture toutes les quelques semaines — la saisie manuelle est suffisante. La comparaison devient pertinente lorsque la transcription de captures est une tâche récurrente. Une saisie manuelle moyenne prend environ 3 minutes par capture, y compris le temps passé à basculer entre la visionneuse d'images et Excel, à vérifier les valeurs et à corriger les fautes de frappe découvertes plus tard. L'extraction par IA traite la même capture en 5 à 10 secondes. Pour 50 captures, cela représente environ 2,5 heures de travail manuel contre 5 à 8 minutes de traitement par IA. Les économies de temps s'accumulent, mais la vraie différence réside dans l'élimination des erreurs : l'extraction par IA supprime l'étape de transcription où les erreurs de frappe s'introduisent. Le coût d'une seule erreur de transcription non détectée — un montant de facture erroné, un nom de client mal saisi — dépasse généralement le coût de tout abonnement à un outil.

Et si j'ai besoin d'extraire des centaines de captures d'écran ?

Le traitement par lots gère cela directement. Téléversez toutes les captures d'écran en même temps — elles peuvent provenir de différentes applications avec des mises en page différentes — définissez vos noms de colonnes une seule fois, et l'IA les traite séquentiellement, produisant une feuille de calcul fusionnée. Les définitions de colonnes restent cohérentes entre les captures d'écran, de sorte que le résultat est directement utilisable sans alignement manuel. Pour les flux de travail récurrents à volume élevé, l'approche par pipeline Google Sheets automatise l'ensemble du processus afin que les captures d'écran entrantes arrivent directement dans votre feuille de calcul sans avoir à utiliser un outil séparé à chaque fois.

Dois-je connaître quelque chose sur l'IA ou la programmation pour utiliser cela ?

Non. Le flux de travail utilise la même interface que celle que vous utiliseriez pour n'importe quel outil web : téléversez des fichiers, saisissez ce que vous voulez extraire, téléchargez le résultat. L'IA gère la complexité de la lecture et de la compréhension de chaque capture d'écran. Vous n'avez pas besoin de configurer des modèles, de rédiger des invites ou de comprendre comment fonctionnent les modèles de langage visuel. Si vous savez faire glisser des fichiers dans une fenêtre de navigateur et saisir des étiquettes dans un champ de texte, vous savez tout ce qui est nécessaire.