Extrayez la plaque d'immatriculation, le montant et la date d'échéance de n'importe quelle photo de contravention
Saisir manuellement la plaque d'immatriculation, le montant de l'amende et la date d'échéance d'une contravention photographiée dans un tableur prend 2 minutes par ticket — cet outil le lit en 5 secondes.
5 s par ticket · Jusqu'à 99 % de précision sur texte imprimé
Ce que vous pouvez extraire d'une photo de contravention
Extraction de colonnes personnalisées vous permet de nommer les champs — l'IA localise chacun d'eux par sa signification, pas par sa position en pixels.
Code alphanumérique court en haut. L'IA reconnaît le format même lorsque certains caractères sont partiellement effacés.
Valeur en dollars en bas, souvent précédée de « $ ». C'est la première à s'effacer sur le papier thermique — l'IA utilise le symbole monétaire et l'étiquette adjacente pour la repérer.
Indiquée par « Payez avant » ou « À payer avant » dans une section distincte. Le modèle lit aussi bien les formats MM/JJ/AAAA, JJ/MM/AAAA que les dates en toutes lettres.
Référence alphanumérique courte (3 à 8 caractères) identifiant l'infraction de stationnement. Près ou au-dessus du montant de l'amende.
Une ligne de contravention réelle, extraite et prête :
| Plaque d'immatriculation | Code infraction | Montant | Date d'échéance |
|---|---|---|---|
| NYC-4521 | 14-118B | $65.00 | Apr 15, 2026 |
Pourquoi le papier thermique fané fait échouer l'OCR traditionnel — et comment l'extraction sémantique le lit quand même
Une contravention est imprimée sur du papier thermique conçu pour un essuie-glace, pas pour une archive. L'OCR basé sur des modèles exige un texte à fort contraste — les vraies contraventions arrivent froissées, fanées et photographiées dans un garage sombre.
Pourquoi les outils traditionnels échouent
Le papier thermique s'estompe en quelques semaines — l'OCR ne voit qu'un espace blanc. Une contravention restée trois jours sur un tableau de bord peut perdre 40 à 60 % de son contraste. L'OCR pixel par pixel interprète les caractères estompés comme manquants, car il exige un texte noir sur blanc binaire.
Le papier froissé et plié déforme les caractères. Les plis coupent les caractères, déforment l'espacement et créent des artefacts d'ombre qui perturbent les analyseurs basés sur la mise en page. Chaque pli est une distraction qu'aucun modèle n'a été conçu pour gérer.
Chaque juridiction imprime un format de contravention différent. New York utilise un format, Los Angeles un autre, un parking privé un troisième. L'OCR basé sur des modèles nécessite une configuration distincte pour chaque mise en page — des dizaines de modèles qui tombent en panne dès qu'une ville redessine sa contravention.
Comment l'extraction sémantique lit n'importe quel ticket
Nommez les colonnes — l'IA trouve les valeurs par le sens, pas par le contraste des pixels. Tapez « Plaque d'immatriculation, Montant, Date d'échéance ». Le modèle sait qu'une plaque est une courte chaîne alphanumérique près du haut, et qu'un montant est une valeur près d'un signe « $ ». Même partiellement fané, l'IA lit le contexte restant pour reconstruire la valeur.
Les dommages physiques deviennent lisibles grâce au contexte visuel. Un pli traversant un numéro de plaque divise un « 5 » en deux marques pour l'OCR par pixels. L'IA lit la forme globale — elle sait qu'une plaque est un code continu et reconstruit le caractère à partir des fragments autour du pli.
Un seul ensemble de colonnes fonctionne pour toutes les juridictions. Les tickets de New York et de Chicago partagent les mêmes champs de base — plaque, montant, date d'échéance. Vous définissez les colonnes une seule fois. L'IA s'adapte à chaque mise en page car elle trouve les champs par le sens plutôt que par la position. Aucun modèle par ville n'est nécessaire.
D'une pile de tickets photographiés à un tableur propre en trois étapes
Photographiez les tickets
Vous avez une pile de tickets de stationnement — certains datent du week-end dernier en centre-ville, un autre froissé sort de la boîte à gants et commence déjà à s'estomper, un dernier a été photographié dans un parking sombre. JPG ou PNG, peu importe la qualité. Téléversez-les tous dans un même lot. Pas besoin de trier par juridiction, par design de ticket ou par qualité de photo.
Nommez les champs une seule fois
Saisissez les noms de colonnes dont vous avez besoin : Plaque d'immatriculation, Code infraction, Montant, Date d'échéance. Un seul jeu de colonnes couvre tous les tickets du lot, quelle que soit la juridiction, le niveau d'estompage ou l'angle de la photo. L'IA lit chaque photo indépendamment — elle localise la plaque sur un ticket new-yorkais estompé et le montant sur un ticket de Chicago bien net en utilisant les mêmes définitions de colonnes.
Téléchargez un seul tableur
Le traitement prend environ 5 secondes par ticket. Le résultat est un fichier XLSX : chaque ligne correspond à un ticket, chaque colonne à un champ que vous avez nommé. Environ 18 fois plus rapide que la saisie manuelle (~2 min de saisie manuelle par ticket contre ~5 s ici). Pour un gestionnaire de flotte qui traite 50 tickets, cela représente environ 100 minutes économisées par lot.
Quand l'extraction de photos d'amendes de stationnement fonctionne le mieux — et quand être prudent
Comprendre ces limites vous aide à obtenir des résultats cohérents.
Quand ça fonctionne le mieux
Photos prises de face dans les jours qui suivent. Papier thermique récent, surface plane, contraste élevé — jusqu'à 99 % de précision sur tous les champs.
Un effacement partiel encore lisible à l'œil nu. L'extraction sémantique lit les caractères à faible contraste en reconnaissant le sens du champ et le contexte environnant.
Traitement par lots de plusieurs amendes de juridictions différentes. Un seul jeu de colonnes, un seul téléversement, un seul tableur. Aucune configuration de modèle par ville requise.
Quand être prudent
Papier thermique complètement vierge. Si aucun texte n'est visible à l'œil nu, aucun outil ne peut récupérer des données physiquement disparues. Photographiez les amendes dans la semaine.
Fort reflet ou dégâts des eaux. Un reflet qui efface des sections entières ou des dégâts des eaux qui retirent la couche imprimée réduiront la précision. Photographiez les amendes à l'intérieur sous une lumière uniforme lorsque c'est possible.
Données visibles uniquement — aucune recherche externe de contrôle. L'outil extrait ce qui est imprimé sur l'amende. Il n'interroge pas les bases de données municipales pour confirmer si l'amende a été payée ou reste impayée — cette étape de vérification reste votre responsabilité.
Questions fréquentes
Puis-je extraire la plaque d'immatriculation et le montant de l'amende d'un ticket photographié dans un parking souterrain sombre ?
Oui. Le modèle visuel lit malgré les conditions de faible luminosité en reconnaissant le rôle sémantique de chaque champ — une plaque d'immatriculation est toujours une courte chaîne alphanumérique près du haut du ticket, et le montant de l'amende est une valeur en dollars précédée d'un « $ » ou du libellé « Fine », quelle que soit la luminosité ambiante. Une photo prise de face sous un éclairage moyen de parking offre une précision similaire à celle d'une photo bien éclairée. Une sous-exposition extrême rendant le ticket illisible à l'œil nu réduira la précision proportionnellement.
Quelle est la précision de l'extraction de la date d'échéance si le papier thermique a déjà commencé à s'estomper ?
L'estompage partiel est géré par une lecture contextuelle : l'IA reconnaît les formats de date comme « Due By 05/01/2026 » et comble les caractères fanés en utilisant le contexte environnant. Les champs numériques comme les montants et les dates résistent mieux que le texte libre grâce à leur format prévisible. Un papier complètement blanc ne peut pas être récupéré — photographiez les tickets dans les jours qui suivent.
Puis-je traiter ensemble des tickets de différentes villes et obtenir un seul tableau consolidé ?
Oui. Téléversez des tickets de Los Angeles, Chicago et de parkings privés dans un seul lot. Définissez une fois les mêmes colonnes — plaque d'immatriculation, code infraction, montant, date d'échéance. L'IA traite chaque photo indépendamment en lisant le sens des champs plutôt qu'en faisant correspondre un modèle. Chaque ticket devient une ligne dans un seul tableau, quelle que soit la juridiction ou la conception du ticket. C'est la principale différence avec les outils OCR basés sur des modèles, qui nécessitent une configuration distincte par juridiction.
Un ticket froissé conservé dans une boîte à gants pendant deux semaines sera-t-il quand même extrait correctement ?
Un ticket froissé avec du texte visible s'extrait de manière fiable pour les champs structurés — l'IA reconstruit les caractères coupés par les plis car elle lit les fragments comme appartenant à une seule valeur continue. Un pliage intense qui enlève l'encre réduira la précision de ces champs spécifiques. Pour le traitement par lots : traitez tous les tickets, recherchez les cellules vides et reprenez les photos de ceux qui ont produit des blancs — quelques secondes chacun plutôt que de saisir chaque ticket à la main.
L'outil fonctionne-t-il avec les tickets de stationnement des lots privés (AirGarage, ParkMobile, etc.) ou uniquement avec les tickets émis par le gouvernement ?
Les deux. Les tickets de lots privés et municipaux partagent les mêmes champs essentiels — plaque, montant, date d'échéance — même si les mises en page diffèrent. L'extraction de colonnes personnalisées localise les champs par leur sens, et non en faisant correspondre une conception de ticket spécifique. La seule limite : il n'interroge pas la base de données de l'émetteur pour vérifier le statut de paiement — l'extraction repose uniquement sur ce qui est visible sur la photo.
Analyses approfondies sur la dégradation du papier thermique et l'extraction de documents photo : Comment l'IA gère les documents flous, froissés et décolorés — y compris les contraventions en papier thermique et les reçus endommagés par l'eau · Ce que l'OCR de reçus peut et ne peut pas lire — un guide pratique sur le papier thermique, la décoloration et la précision de l'extraction par photo
Parcourez tous les scénarios de capture de documents photo sur la page hub Documents photo — cartes de visite, contraventions de stationnement, étiquettes d'expédition, étiquettes d'ordonnance, et plus encore.