Comment utiliser l'extraction de colonnes personnalisées :
Obtenez uniquement les données dont vous avez besoin, pas toute la page
La plupart des outils d'extraction de documents fonctionnent comme un photocopieur pour le texte : ils scannent la page et déversent tout ce qu'ils trouvent dans une feuille de calcul. Si vous avez besoin de trois champs d'un bon de commande — numéro de PO, nom du fournisseur et total — vous obtenez les 47 chaînes de texte de la page, puis vous devez sélectionner manuellement les trois qui vous intéressent. L'extraction de colonnes personnalisées inverse cette logique. Vous dites d'abord à l'IA ce que vous voulez, et elle ne ramène que cela.
Pourquoi « Tout extraire » est un mauvais point de départ
L'OCR traditionnel répond à une seule question : « quel texte figure sur cette page ? » Il convertit une image de document en un flux de caractères lisibles par machine — chaque mot, chaque chiffre, chaque filigrane et numéro de page superflus. Pour une facture d'une page, cela peut représenter 50 à 80 chaînes de texte distinctes, déversées dans une feuille de calcul sans structure ni étiquetage. Votre travail consiste alors à : parcourir la sortie, identifier quelle chaîne de texte correspond au numéro de facture, laquelle à la date, laquelle au total, et les copier dans votre feuille de calcul réelle.
C'est pourquoi « tout extraire par OCR » est rarement la bonne réponse pour le traitement de documents professionnels. Vous n'avez presque jamais besoin de tout le texte d'un document. Vous avez besoin de cinq à dix champs spécifiques. Le reste est du bruit — et le temps que vous passez à filtrer ce bruit est le même temps que vous cherchiez à économiser en automatisant.
L'extraction de colonnes personnalisées part de l'autre direction. Au lieu de tout extraire puis de filtrer, vous définissez vos colonnes en amont. L'IA lit le document en utilisant vos champs cibles comme une lentille — recherchant le numéro de bon de commande, le nom du fournisseur et le total, et ignorant tout le reste. La sortie est exactement la feuille de calcul que vous vouliez, avec exactement les colonnes que vous avez nommées.
Le point clé : La précision de l'extraction s'améliore lorsque vous ciblez précisément. Une IA à qui l'on demande de « trouver et extraire tout le texte » n'a aucun mécanisme de priorisation — chaque chaîne de texte de la page reçoit un traitement égal. Une IA à qui l'on demande de « trouver le numéro de bon de commande, le nom du fournisseur et le total de la commande » peut concentrer son attention sur la localisation de ces valeurs spécifiques, en utilisant des indices sémantiques (« à quoi ressemble un numéro de bon de commande ? ») et le contexte (« où un total apparaît-il généralement ? ») pour améliorer la précision. La spécificité est la précision.
Les noms de colonnes sont des instructions : une stratégie de nommage
Les noms de colonnes que vous saisissez sont le principal canal de communication entre vous et l'IA. Un nom de colonne bien rédigé est une instruction précise — il indique à l'IA exactement quel type de valeur rechercher et comment la formater. Un nom de colonne vague (« Montant ») donne trop peu d'indications à l'IA. Un bon nom de colonne (« Montant total de la commande » ou « Total de la facture ») réduit la recherche et augmente les chances d'obtenir le bon chiffre du premier coup.
Voici les principes de nommage qui produisent les résultats d'extraction les plus précis :
| Principe | Bon | Meilleur | Pourquoi |
|---|---|---|---|
| Soyez précis sur l'entité | Numéro | Numéro de bon de commande | « Numéro » pourrait être n'importe quoi — numéro de facture, numéro de ligne, numéro de référence. « Numéro de bon de commande » indique à l'IA exactement quel numéro trouver. |
| Incluez le contexte sur la position ou le rôle | Date | Date de facture | Un document peut comporter plusieurs dates (date d'émission, date d'échéance, date de livraison). En spécifier une évite toute ambiguïté. |
| Utilisez des qualificatifs descriptifs | Adresse | Adresse de livraison | Les factures et les bons de commande comportent souvent à la fois une adresse de facturation et une adresse de livraison. Qualifier le type élimine les confusions. |
| Indiquez le format souhaité | Montant | Montant total (Nombre) | L'ajout de « (Nombre) » signale à l'IA d'extraire uniquement la valeur numérique et de supprimer les symboles monétaires. |
| Utilisez la terminologie courante des documents | Client | Nom de la société acheteuse | Utilisez le langage qui apparaît réellement dans vos documents. « Acheteur » est standard dans les bons de commande ; « Client » est standard dans les factures. |
Vous n'avez pas besoin de suivre une convention de nommage stricte — l'IA comprend le langage naturel. « Date d'échéance » et « Date de paiement due » fonctionneront tous les deux. Mais plus vous êtes précis, moins l'IA a d'ambiguïté à résoudre, et plus votre précision d'extraction sera élevée.
Trois scénarios réels d'extraction
Le même mécanisme de colonnes personnalisées s'adapte à des types de documents et des flux de travail très différents. Voici trois scénarios courants, chacun avec une stratégie de configuration de colonnes différente.
Scénario 1 : Traitement des factures
Ce dont vous avez besoin : Numéro de facture, Date de facture, Date d'échéance, Nom du fournisseur, Sous-total, Montant de la taxe, Montant total, Devise. Ces huit champs apparaissent sur presque toutes les factures, quel que soit le format ou la mise en page.
Configuration des colonnes : Saisissez les noms des champs exactement comme indiqué ci-dessus. Pour les factures multipages avec des lignes d'articles, ajoutez des colonnes pour « Description de l'article », « Quantité », « Prix unitaire » et « Total de la ligne ». Chaque ligne d'article devient une ligne dans la sortie, avec les champs d'en-tête de facture (numéro, date, fournisseur) répétés dans chaque ligne pour cette facture — ce qui facilite le filtrage et la somme par fournisseur.
Astuce de lot : Si vous traitez des factures de plusieurs fournisseurs à la fois (par exemple, une exécution de comptes fournisseurs en fin de mois), vous pouvez télécharger toutes les factures en un seul lot. L'IA extrait de chacune indépendamment et fusionne les résultats dans une seule feuille de calcul avec des colonnes cohérentes sur toutes les lignes.
Scénario 2 : Traitement des bons de commande
Ce qu'il vous faut : Numéro de PO, date d'émission, nom du fournisseur, code article, description de l'article, quantité commandée, prix unitaire, total de la ligne, date de livraison demandée. Ces champs couvrent à la fois l'en-tête du PO et le détail des lignes en une seule passe.
Stratégie de configuration des colonnes : Les bons de commande sont plus denses en tableaux que les factures. Incluez toutes les colonnes de lignes dont vous avez besoin — Code article, Description, Quantité, Prix unitaire, Total de la ligne — dans la même liste de colonnes que les champs d'en-tête. L'IA comprend que les champs d'en-tête (numéro de PO, nom du fournisseur) s'appliquent à l'ensemble du document et les répète pour chaque ligne, tandis que les champs de lignes varient d'une ligne à l'autre dans le tableau.
Gestion multi-pages : Pour les bons de commande s'étendant sur plusieurs pages avec des en-têtes de colonnes répétés sur chaque page, l'IA reconnaît les en-têtes répétés et les exclut de la sortie. Un PO de 10 pages avec 200 lignes produit 200 lignes de données, et non 10 tableaux séparés nécessitant un assemblage manuel.
Scénario 3 : Comparaison de devis fournisseurs
Ce qu'il vous faut : Nom du fournisseur, description de l'article, quantité, prix unitaire, total de la ligne, délai de livraison (jours), conditions de paiement, devise. Téléchargez les devis de cinq fournisseurs différents en un seul lot, et l'IA les extrait chacun en utilisant les mêmes définitions de colonnes — quelle que soit la manière dont chaque fournisseur formate son devis.
Avantage clé : Différents fournisseurs peuvent utiliser des noms différents pour la même information. L'un l'appelle « SKU », un autre « numéro de pièce », un troisième « code article ». La compréhension sémantique de l'IA mappe les trois vers votre colonne « Code article » sans que vous ayez besoin de configurer des synonymes ou des correspondances par fournisseur.
Les fichiers sont traités de manière sécurisée et ne sont pas stockés.
Enregistrer comme modèle : configurer une fois, utiliser pour toujours
Une fois que vous avez défini un ensemble de colonnes qui fonctionne bien pour un type de document particulier — par exemple, vos colonnes d'extraction de factures standard — vous pouvez l'enregistrer comme modèle. La prochaine fois que vous traiterez des factures, chargez le modèle en un clic au lieu de ressaisir les huit noms de colonnes.
C'est là que le coût de configuration initial porte ses fruits en continu. Configurer vos colonnes de factures prend deux minutes la première fois. Chaque lot de factures suivant — qu'il s'agisse de cinq ou de cinquante — commence avec ces colonnes préchargées. Vous téléchargez les fichiers, l'IA les traite selon votre modèle enregistré, et vous obtenez une feuille de calcul structurée de manière cohérente à chaque fois.
Les modèles aident également à la cohérence de l'équipe. Si plusieurs personnes de votre équipe traitent des documents, le partage du même modèle garantit que la sortie de chacun a des colonnes identiques dans un ordre identique — aucune variation dans les noms de champs, aucune colonne manquante, aucune dérive de formatage au fil du temps.
Questions fréquemment posées
Combien de colonnes dois-je définir — y a-t-il une limite ?
Il n'y a pas de limite stricte, mais il y en a une pratique. Jusqu'à environ 15 à 20 colonnes, l'extraction est fiable de manière constante. Au-delà, vous commencez à couvrir des champs de cas particuliers qui peuvent ne pas apparaître dans chaque document. Un ensemble de colonnes ciblé de 5 à 12 champs bien nommés produit presque toujours de meilleurs résultats qu'une liste exhaustive de 30 colonnes, car l'IA peut accorder à chaque champ une attention plus ciblée. Si vous avez besoin de nombreux champs, envisagez de diviser en deux passes : les champs principaux lors de la première passe, les champs supplémentaires lors d'une seconde.
Que se passe-t-il si un champ n'existe pas dans un document particulier ?
La cellule est laissée vide. Par exemple, si votre ensemble de colonnes inclut « Montant de la taxe » mais que l'un de vos documents n'a pas de taxe (courant avec les factures B2B interétatiques ou les documents d'exportation), cette ligne de votre sortie aura simplement une cellule Montant de la taxe vide. La feuille de calcul reste structurellement cohérente — toutes les lignes ont les mêmes colonnes — mais les valeurs ne sont renseignées que là où l'IA les a trouvées dans le document.
Puis-je mélanger différents types de documents dans un même lot ?
Oui, mais uniquement si votre ensemble de colonnes est pertinent pour tous les types de documents du lot. Si vous téléchargez des factures, des bons de commande et des reçus avec des colonnes comme « Numéro de facture / Numéro de bon de commande / Numéro de reçu », l'IA tentera de trouver chaque champ dans chaque document. Les documents qui ne contiennent pas un champ donné auront des cellules vides pour cette colonne. Pour de meilleurs résultats, regroupez les documents du même type ensemble — toutes les factures dans un lot, tous les bons de commande dans un autre. Cela maintient vos définitions de colonnes ciblées et votre sortie propre.
Quelle est la précision par rapport à la saisie manuelle des données ?
Pour les documents imprimés et bien formatés, la précision au niveau des champs dépasse 90 % — ce qui signifie que 9 valeurs sur 10 sont extraites correctement dès la première passe. Cela se compare favorablement à la saisie manuelle des données, qui présente un taux d'erreur inhérent de 1 à 3 % par frappe selon les recherches sur la qualité des données. La différence est que les erreurs de l'IA ont tendance à être prévisibles (confusion entre des noms de champs similaires, mauvaise lecture d'un texte à faible résolution) tandis que les erreurs humaines sont aléatoires (fautes de frappe, inversions, lignes sautées). Un examen rapide de la sortie de l'IA permet de détecter la plupart des problèmes ; détecter vos propres erreurs de saisie manuelle nécessite une vérification ligne par ligne par rapport au document source — ce qui prend autant de temps que la saisie initiale.
L'IA peut-elle gérer les cases à cocher, les tampons et les signatures ?
Oui — vous pouvez définir des colonnes pour ces éléments. Utilisez des noms descriptifs comme « Case à cocher d'approbation (Coché/Non coché) », « Tampon de l'entreprise présent (Oui/Non) » ou « Signature autorisée présente (Oui/Non) ». L'IA identifie ces éléments visuels et renvoie le statut approprié. Pour les signatures, la sortie est généralement « Présente » ou « Non présente » — elle vérifie l'existence, pas l'identité.