OCR ou modèles de vision : ce qui a changé dans la lecture de documents

L'OCR à zones et sa limite

La reconnaissance optique de caractères convertit une image en texte. Pour en tirer des données exploitables, il faut indiquer où chercher : on définit des zones sur le document, on associe chaque zone à un champ, et le système lit ce qui s'y trouve.

Cette approche fonctionne sur un document de structure fixe. Un formulaire normalisé, une déclaration administrative, un bordereau interne : la position des champs ne bouge pas, la lecture est fiable.

Elle cesse de fonctionner dès que la mise en page varie. Un fournisseur qui déplace son numéro de facture de trois centimètres invalide le paramétrage. Trois cents fournisseurs demandent trois cents réglages.

C'est la raison pour laquelle la plupart des projets d'automatisation documentaire menés avec cette technologie se sont arrêtés à un ou deux types de documents.

Lire la mise en page plutôt que les caractères

Les modèles multimodaux traitent le document comme une image structurée. Ils identifient un tableau, distinguent un en-tête d'un pied de page, associent un libellé à la valeur qui lui correspond, reconnaissent qu'une colonne se poursuit page suivante.

La conséquence est directe : il n'y a plus de zone à positionner. On décrit ce que l'on cherche et le système le retrouve, quelle que soit la disposition.

Cela déplace le point de rupture. Un fournisseur qui modifie son modèle ne casse plus rien. Un nouvel émetteur ne demande aucun paramétrage.

Cela rend également accessibles des documents qui étaient hors de portée : écriture manuscrite, photographie prise de travers, numérisation dégradée, formulaire annoté à la main, tableau réparti sur plusieurs pages. Ces cas restent les plus difficiles, mais ils ne sont plus disqualifiants.

Le document seul ne suffit pas

Une donnée lue correctement n'est pas encore une donnée utilisable.

Une référence article inscrite sur un bon de livraison est souvent abrégée, mal orthographiée, ou exprimée dans la nomenclature du fournisseur plutôt que dans la vôtre. Une raison sociale figure sous une forme commerciale qui ne correspond pas à celle de votre base. Une immatriculation ne dit rien tant qu'elle n'est pas reliée au véhicule concerné dans votre parc.

La couche suivante confronte donc chaque valeur extraite à vos référentiels : catalogue produits, base fournisseurs, fichier clients, parc, tableau de garanties. Ce croisement normalise, la valeur du document devenant celle de votre système, et complète, la fiche interne apportant ce que le document ne contient pas.

C'est l'étape que ni l'OCR ni un modèle seul ne réalisent, parce qu'elle ne dépend pas du document mais de votre organisation.

Vérifier avant de livrer

Une donnée extraite et normalisée peut encore être fausse. La couche de contrôle sert à le détecter avant l'entrée dans le système d'information.

Les contrôles déterministes portent sur les calculs et les comparaisons : somme des lignes contre total, taux de TVA attendu, date de livraison postérieure à la date de commande, référence présente au référentiel. Ces règles produisent toujours le même résultat sur le même document.

Les contrôles entre documents portent sur un dossier complet : raison sociale identique sur le contrat et l'extrait Kbis, montant inférieur au plafond du tableau de garanties, date de signature postérieure à la date d'effet.

La double lecture consiste à extraire deux fois un même champ de façon indépendante. Une divergence signale une valeur incertaine, même lorsque chaque lecture paraît cohérente prise isolément.

Le consensus généralise ce principe : plusieurs lectures produisent une distribution, et l'accord entre elles constitue une mesure de fiabilité indépendante de l'apparence de la valeur.

L'évaluation par un second système fait vérifier la cohérence entre la valeur produite et le contenu du document par un modèle distinct, qui n'a pas participé à l'extraction.

Chaque valeur sort de cette chaîne avec un niveau de certitude et un lien vers l'endroit du document dont elle provient. C'est ce qui permet de décider ce qui passe automatiquement et ce qui remonte à un opérateur.

Un traitement qui s'ajuste

Un paramétrage à zones se dégrade avec le temps. Chaque correction apportée par un opérateur reste isolée, et la même erreur se reproduit au document suivant.

Un traitement documentaire complet exploite ces corrections. Les valeurs reprises manuellement, les champs systématiquement modifiés et les règles qui échouent souvent constituent une mesure de qualité par champ. Cette mesure indique où le traitement doit être ajusté, et les corrections successives alimentent le contexte fourni aux extractions suivantes. La part de documents traités sans intervention augmente au lieu de diminuer.

Où en est votre cas

Trois questions situent un flux documentaire.

Combien de mises en page différentes ? En dessous de trois, stables, un paramétrage classique suffit. Au-delà de dix, la maintenance devient le coût principal.

Que se passe-t-il si une valeur est fausse ? Si l'erreur est détectée immédiatement en aval, le niveau d'exigence est faible. Si elle se traduit par un paiement ou un engagement, la couche de contrôle n'est pas optionnelle.

Les données du document suffisent-elles ? Si le traitement suppose de retrouver une fiche, une commande ou un contrat correspondant, l'extraction seule ne répond pas au besoin.

Les documents écartés il y a cinq ans méritent d'être réexaminés.