Références

Références de données et définitions de terminologie pour l'IA documentaire. Chaque page est vérifiée à la source et conçue pour être citée.

Statistiques

Statistique
Benchmark docTR vs Docling sur les reçus : texte, champs, temps d'exécution (2026)

Receipt v1.1 : docTR vs Docling sur des reçus SROIE et CORD fixes ; distance de texte normalisée, F1 des champs après post-traitement, débit par lots, coût GPU.

Statistique
Benchmark docTR vs Surya2 sur les reçus : champs, temps, coût (2026)

Receipt v1.1 : docTR vs Surya2 sur 361 reçus SROIE et 100 reçus CORD ; diagnostics de distance textuelle, F1 sur les valeurs de champ après posttraitement, temps de traitement par lots, coût GPU.

Statistique
Benchmark EasyOCR vs docTR sur les reçus : champs, vitesse, coût (2026)

Receipt v1.1 : docTR mène sur le F1 sur les valeurs de champ LLM de SROIE et le débit par lots ; EasyOCR mène sur le F1 regex de SROIE et le débit par lots de CORD. Méthodes et sources.

Statistique
Coût OCR pour 1 000 pages : 8 moteurs open source comparés (2026)

Benchmark sur reçus : les estimations disponibles sur GPU RTX 4090 vont de 0,0479 $ à 1,0609 $ pour 1 000 pages SROIE au tarif historique de 0,76 $/h. Limites de mesure et périmètre CPU expliqués.

Statistique
Benchmark de latence OCR : p50/p95, débit et pics de queue (2026)

La requête OCR de reçus p50 s'étend de 108,7 à 2668,0 ms sur SROIE. Huit exécutions conservées sur CPU/GPU ; p95, débit réel accepté et limites de timing expliqués.

Statistique
Benchmark PaddleOCR vs EasyOCR sur les reçus : champs et coût (2026)

Receipt v1.1 compare PaddleOCR et EasyOCR sur SROIE et CORD : distance de texte normalisée, F1 des champs par regex et LLM, débit par lots, coût GPU.

Statistique
regex vs LLM pour l'extraction de champs sur les reçus : données de référence (2026)

Benchmark interne : le post-traitement LLM surpasse regex pour l'extraction de champs sur les reçus, F1 par champ pour 8 modèles OCR sur SROIE + CORD, méthodologie incluse.

Statistique
Surya2 vs Unlimited-OCR vs PaddleOCR-VL : benchmark VLM sur les reçus (2026)

Receipt v1.1 compare trois VLM sur les scores de champs SROIE et CORD, la latence des requêtes et le coût GPU historique ; le wall et le coût SROIE d'Unlimited-OCR sont manquants.

Statistique
Comparatif Tesseract vs PaddleOCR sur reçus : champs, temps, coût (2026)

Receipt v1.1 : Tesseract vs PaddleOCR sur 361 reçus SROIE et 100 reçus CORD ; distance de texte normalisée, F1 par champ, temps d'exécution manquant, périmètre du coût CPU.

Statistique
OCR traditionnel vs VLM d'analyse de documents : benchmark sur reçus (2026)

Benchmark interne : 8 moteurs OCR open source vs VLM d'analyse de documents sur 361 reçus SROIE + 100 CORD — CER, F1 champ, latence, coût. Méthodologie incluse.

Statistique
Pourquoi le CER induit en erreur pour les VLM de parsing de documents : données de reçus (2026)

Benchmark de reçus : le CER SROIE normalisé et le F1 champ mesurent des cibles différentes. Le CER pleine page CORD n'est pas applicable. Limites du scoring et du pipeline expliquées.

Statistique
Résultats du benchmark OCR de reçus : précision, latence et coût (2026)

Benchmark interne de 5 modèles OCR open source sur 461 reçus (SROIE + CORD) : CER, WER, F1 de champ, latence, coût pour 1 000 pages.

Statistique
Taux d'exceptions en automatisation documentaire : file d'attente, coût, seuil (2026)

Taux d'exceptions en automatisation documentaire : 9 % pour les meilleurs de leur catégorie contre 22 % en moyenne, causes racines, coûts de revue et compromis de seuil avec toutes les sources citées.

Statistique
Coût de traitement des documents par enregistrement : manuel, modèle, IA (2026)

Analyses indépendantes sur le coût de traitement des documents par enregistrement : manuel 8-16 $, modèle 2-5 $, IA à partir de 0,02 $/page. Par type de document, taille, zone géographique.

Statistique
Précision de la reconnaissance de l'écriture manuscrite : écriture, modèle et type de document (2026)

Données de précision OCR pour l'écriture manuscrite : IAM CER 1.2-1.7 %, arabe 8.9-16 %, historique 71-82 %. Réparties par écriture, modèle et type de document. 15 sources citables.

Statistique
Références de délais de traitement des factures : manuel, OCR et IA (2026)

Références sur les délais de traitement des factures : 12,5 min de temps de traitement manuel contre 9,2 jours de délai de cycle, par méthode, complexité et étape — avec sources complètes pour citation.

Statistique
ROI de la saisie manuelle vs automatisée : délai de récupération et économies en année 1 (2026)

Benchmarks indépendants sur le ROI de l'automatisation de la saisie de données : délai de récupération de 3 à 12 mois, économies de 60 à 80 %, volume de rentabilité, plus une formule pour modéliser votre retour.

Statistique
Précision OCR par type de document : PDF, scan, écriture manuscrite, tableaux (2026)

Benchmarks indépendants sur la précision OCR par type de document : 99,2-99,8 % pour les PDF numériques, 98-99 % pour les scans, 46-95 % pour l'écriture manuscrite, TEDS pour les tableaux. 15 sources citables.

Statistique
Précision OCR des reçus : thermique, froissé, décoloré, multi-devises (2026)

Précision OCR des reçus selon l'état et le champ : 90 %+ pour les scans propres, 55-73 % pour le thermique décoloré, 67-69 % pour les photos par téléphone. Totaux 95-99 %, commerçants 73-88 %. 14 sources.

Statistique
Taux d'erreur de saisie manuelle de données : 1 à 4 % par type, secteur et rôle (2026)

Références indépendantes sur les taux d'erreur de saisie manuelle de données : 1 à 4 % au niveau du champ, jusqu'à 40 % au niveau de l'enregistrement, selon le type de document, le secteur et le rôle.

Définitions

Définition
Qu'est-ce que la capture de données dans le traitement de documents ?

La capture de données transforme le papier, les scans, les PDF et les photos en données exploitables par machine. Son fonctionnement, ses types et ses idées reçues.

Définition
Qu'est-ce que la reconnaissance intelligente de caractères (ICR) ?

L'ICR est une reconnaissance de caractères par apprentissage automatique pour le texte écrit en lettres détachées. Comment elle a évolué à partir de l'OCR, les différences entre ICR, OCR et IWR, et ses domaines d'utilisation.

Définition
Qu'est-ce que l'extraction d'informations clés (KIE) dans l'IA documentaire ?

L'extraction d'informations clés (KIE) extrait des champs tels que les numéros de facture et les dates des documents pour les convertir en données structurées. Fonctionnement, limites, idées reçues.

Définition
Qu'est-ce qu'un PDF Searchable ?

Un PDF Searchable est un scan doté d'une couche de texte OCR invisible — vous pouvez sélectionner, copier et rechercher le texte avec Ctrl+F. Son fonctionnement, les règles PDF/A et les pièges courants.

Définition
Précision au niveau des champs vs au niveau des caractères : quelle différence ?

La précision au niveau des champs compte les champs correctement extraits ; la précision au niveau des caractères compte les caractères correctement lus. Une précision de 99 % sur les caractères ne signifie pas des données précises à 99 %.

Définition
Qu'est-ce que le Traitement intelligent des documents (IDP) ?

L'IDP est un logiciel d'IA qui capture, classe, extrait et valide les données des documents. Son fonctionnement, son évolution de l'OCR aux LLM, et les idées reçues.

Définition
Qu'est-ce que le taux de traitement direct (STP) dans l'automatisation documentaire ?

Le taux de STP mesure la part des documents traités sans aucune intervention humaine — moyenne du secteur 32 %, meilleur de sa catégorie 49 %, IA 60-80 %. Formule et idées reçues.

Définition
Qu'est-ce que la reconnaissance optique de caractères (OCR) ?

L'OCR convertit des images de texte imprimé, manuscrit ou dactylographié en données lisibles par machine. Son fonctionnement, les 4 types d'OCR, son histoire et ses cas d'usage.

📮 contact email: [email protected]