Utiliser l'extraction par colonnes personnalisées :
Obtenez uniquement les données dont vous avez besoin, pas la page entière
La plupart des outils d'extraction de documents fonctionnent comme un photocopieur de texte : ils scannent la page et déversent tout ce qu'ils trouvent dans un tableur. Si vous avez besoin de trois champs d'un bon de commande — numéro de commande, nom du fournisseur et total — vous obtenez les 47 chaînes de texte de la page, puis vous devez extraire manuellement les trois qui vous intéressent. L'extraction par colonnes personnalisées inverse cette logique. Vous dites d'abord à l'IA ce que vous voulez, et elle ne rapporte que cela.
Pourquoi « tout extraire » est une mauvaise approche
L'OCR classique répond à une seule question : « quel texte figure sur cette page ? » Il convertit l'image d'un document en un flux de caractères lisibles par machine — chaque mot, chaque chiffre, chaque filigrane et numéro de page. Pour une facture d'une page, cela peut représenter 50 à 80 chaînes de texte distinctes, déversées dans un tableur sans structure ni étiquette. Votre travail consiste alors à parcourir les résultats, identifier quelle chaîne correspond au numéro de facture, à la date, au total, et les recopier dans votre véritable tableur de travail.
C'est pourquoi « OCRiser tout le texte » est rarement la bonne solution pour le traitement de documents professionnels. Vous n'avez quasiment jamais besoin de tous les textes d'un document. Vous avez besoin de cinq à dix champs spécifiques. Le reste n'est que bruit — et le temps passé à filtrer ce bruit est exactement le temps que vous cherchiez à gagner en automatisant.
L'extraction personnalisée par colonnes part du principe inverse. 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 commande, le nom du fournisseur et le total, et ignorant tout le reste. Le résultat est exactement le tableur que vous souhaitiez, avec exactement les colonnes que vous avez nommées.
Le point clé : La précision de l'extraction s'améliore lorsque vous réduisez la cible. Une IA à qui l'on demande de « trouver et extraire tout le texte » n'a aucun mécanisme de priorisation — chaque chaîne de texte sur la page est traitée de manière égale. Une IA à qui l'on demande de « trouver le numéro 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 commande ? ») et contextuels (« où apparaît généralement un total ? ») pour améliorer la précision. La spécificité est la clé de 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 facture ») réduit le champ de 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 | Correct | Meilleur | Pourquoi |
|---|---|---|---|
| Soyez précis sur l'entité | Numéro | Numéro de commande | « Numéro » peut désigner n'importe quoi — numéro de facture, numéro de ligne, numéro de référence. « Numéro de commande » indique à l'IA exactement quel numéro trouver. |
| Incluez le contexte de position ou de rôle | Date | Date de facture | Un document peut comporter plusieurs dates (date d'émission, date d'échéance, date de livraison). En préciser 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 évite les confusions. |
| Indiquez le format souhaité | Montant | Montant total (Nombre) | Ajouter « (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 l'entreprise 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 » fonctionneront tous les deux. Mais plus vous êtes précis, moins l'IA a d'ambiguïté à résoudre, et plus votre extraction sera précise.
Trois scénarios d'extraction concrets
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 ligne ». Chaque ligne d'article devient une ligne dans le résultat, avec les champs d'en-tête de la facture (numéro, date, fournisseur) répétés dans chaque ligne pour cette facture — ce qui facilite le filtrage et le cumul par fournisseur.
Astuce pour le traitement par lots : Si vous traitez des factures de plusieurs fournisseurs à la fois (par exemple, pour la clôture mensuelle des comptes fournisseurs), vous pouvez télécharger toutes les factures en un seul lot. L'IA extrait les données de chaque facture indépendamment et fusionne les résultats dans un seul tableur avec des colonnes cohérentes sur toutes les lignes.
Scénario 2 : Traitement des bons de commande
Ce dont vous avez besoin : Numéro de bon de commande, Date d'émission, Nom du fournisseur, Code article, Description de l'article, Quantité commandée, Prix unitaire, Total ligne, Date de livraison demandée. Ces champs couvrent à la fois l'en-tête du bon de commande et le détail des lignes d'articles 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 ligne nécessaires — Code article, Description, Quantité, Prix unitaire, Total ligne — dans la même liste de colonnes que les champs d'en-tête. L'IA comprend que les champs d'en-tête (Numéro de BC, Nom du fournisseur) s'appliquent à l'ensemble du document et les répète pour chaque ligne, tandis que les champs de ligne varient d'une ligne à l'autre dans le tableau.
Gestion multipage : Pour les BC s'étendant sur plusieurs pages avec des en-têtes de colonnes répétés sur chaque page, l'IA reconnaît ces en-têtes répétés et les exclut du résultat. Un BC de 10 pages avec 200 lignes produit 200 lignes de données, et non 10 tableaux distincts à assembler manuellement.
Scénario 3 : Comparaison de devis fournisseurs
Ce dont vous avez besoin : Nom du fournisseur, Description de l'article, Quantité, Prix unitaire, Total ligne, Délai (jours), Conditions de paiement, Devise. Importez les devis de cinq fournisseurs différents en un seul lot, et l'IA extrait chacun d'eux en utilisant les mêmes définitions de colonnes — quelle que soit la différence de formatage de chaque fournisseur.
Avantage clé : Différents fournisseurs peuvent utiliser des noms différents pour la même information. L'un l'appelle « SKU », un autre « Référence », un troisième « Code article ». La compréhension sémantique de l'IA fait correspondre les trois à 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 non conservés.
Enregistrer comme modèle : paramétrez une fois, utilisez pour toujours
Une fois que vous avez défini un jeu de colonnes qui fonctionne bien pour un type de document particulier — par exemple, vos colonnes standard d'extraction de factures — 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 l'investissement initial de configuration porte ses fruits en continu. Configurer vos colonnes de factures prend deux minutes la première fois. Chaque lot suivant de factures — qu'il y en ait cinq ou cinquante — démarre avec ces colonnes préchargées. Vous téléchargez les fichiers, l'IA les traite selon votre modèle enregistré, et vous obtenez un tableau structuré de manière cohérente à chaque fois.
Les modèles aident aussi à assurer la cohérence au sein de l'équipe. Si plusieurs personnes traitent des documents, partager le même modèle garantit que les résultats de chacun ont des colonnes identiques dans le même ordre — pas de variation dans les noms de champs, pas de colonnes manquantes, pas de dérive de formatage au fil du temps.
Questions fréquentes
Combien de colonnes dois-je définir — y a-t-il une limite ?
Il n'y a pas de limite stricte, mais une limite pratique. Jusqu'à environ 15 à 20 colonnes, l'extraction est fiable. Au-delà, vous commencez à couvrir des champs marginaux qui peuvent ne pas apparaître dans chaque document. Un ensemble ciblé de 5 à 12 champs bien nommés donne presque toujours de meilleurs résultats qu'une liste exhaustive de 30 colonnes, car l'IA peut accorder plus d'attention à chaque champ. Si vous avez besoin de nombreux champs, envisagez de diviser en deux passes : les champs principaux dans la première, les champs supplémentaires dans la seconde.
Que se passe-t-il si un champ n'existe pas dans un document particulier ?
La cellule reste vide. Par exemple, si votre ensemble de colonnes inclut « Montant de la taxe » mais qu'un de vos documents n'a pas de taxe (courant pour les factures B2B interétatiques ou les documents d'exportation), cette ligne dans votre résultat aura simplement une cellule Montant de la taxe vide. Le tableur reste structurellement cohérent — 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 seulement si votre ensemble de colonnes a du sens pour tous les types de documents du lot. Si vous téléchargez ensemble 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 essaiera 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 permet de garder vos définitions de colonnes ciblées et vos résultats propres.
Quelle est sa précision par rapport à une saisie manuelle ?
Pour les documents imprimés et bien formatés, la précision au niveau des champs dépasse 90 % — soit 9 valeurs correctement extraites sur 10 dès le premier passage. Cela se compare favorablement à la saisie manuelle, dont le taux d'erreur inhérent est de 1 à 3 % par frappe selon les études sur la qualité des données. La différence est que les erreurs de l'IA sont souvent prévisibles (confusion entre noms de champs similaires, mauvaise lecture d'un texte de faible résolution), tandis que les erreurs humaines sont aléatoires (fautes de frappe, inversions, lignes sautées). Un rapide coup d'œil sur les résultats de l'IA permet de repérer la plupart des problèmes ; en revanche, détecter ses 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 (Cochée/Décochée) », « 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, le résultat est généralement « Présente » ou « Non présente » — elle vérifie l'existence, pas l'identité.