Réception des documents
scan + pdf
- alimente
- OCR
Toutes les études de cas
LLMRAGDocument AI4 mois
Document Intelligence (OCR, extraction, RAG)
Chaque facture était lue et saisie à la main. Quatre sur cinq passent désormais sans intervention.
Traitement direct
81 %
Extraction routée par confiance
Avant
0 %
Chaque document saisi à la main
En clair
De quoi il s'agit.
Pas de jargon dans cette section. Le compte rendu technique se trouve plus bas.
Ce qui n'allait pas
Contrats et factures arrivaient sous forme de scans de qualité très variable. Le personnel les lisait et saisissait les valeurs : c'était lent, source d'erreurs, et il n'y avait aucun moyen de prouver d'où venait un chiffre donné.
Ce que nous avons construit
Nous avons construit une extraction qui lit les documents, indique sa confiance pour chaque valeur et n'envoie à une personne que les valeurs douteuses, chaque valeur étant reliée à l'endroit exact de la page d'où elle vient.
Ce qui a changé
Quatre documents sur cinq passent désormais sans que personne n'y touche, le travail manuel se limite aux vraies exceptions et la clôture mensuelle n'attend plus la paperasse. Chaque chiffre peut être retracé jusqu'à sa page.
Architecture
Comment l'ensemble s'articule.
Faites défiler les étapes. Tout ce qui est marqué comme ajouté est un composant qui n'existait pas avant ce projet.
OCR
sensible à la mise en page
- reçoit de
- Réception des documents
- alimente
- Extraction · Index RAGfragments
Extraction
47 champs
- reçoit de
- OCR
- alimente
- File de vérificationconfiance faible
Index RAG
citations
- reçoit de
- OCRfragments
File de vérification
par confiance
- reçoit de
- Extractionconfiance faible
- alimente
- Synchro ERP
Synchro ERP
validée
- reçoit de
- File de vérification
Réception des documents
scan + pdf
- alimente
- OCR
OCR
sensible à la mise en page
- reçoit de
- Réception des documents
- alimente
- Extraction · Index RAGfragments
Extraction
47 champs
Nous avons ajouté ceci- reçoit de
- OCR
- alimente
- File de vérificationconfiance faible
Index RAG
citations
Nous avons ajouté ceci- reçoit de
- OCRfragments
File de vérification
par confiance
Nous avons ajouté ceci- reçoit de
- Extractionconfiance faible
- alimente
- Synchro ERP
Synchro ERP
validée
- reçoit de
- File de vérification
Le compte rendu
Comment il serait construit.
Jeu de données, approche, métriques cibles et stack. Écrit pour la personne qui devra le relire.
LLMRAGDocument AI4 mois
Document Intelligence (OCR, extraction, RAG)
Transformer des PDF en données structurées et en connaissance consultable, avec citations.
Problème
Contrats et factures arrivaient sous forme de scans de qualité variable. La saisie manuelle était lente et sujette aux erreurs, et aucune piste d'audit ne reliait un champ à la page d'où il venait.
Jeu de données
- lignes
- 840 k pages
- features
- 47 champs extraits
- sources
- Scans, PDF, pièces jointes d'e-mails
- fenêtre
- 30 mois
Approche
- 01OCR avec préservation de la mise en page, pour que la structure des tableaux survive à l'extraction
- 02Extraction des champs avec confiance par champ et provenance au niveau du passage
- 03Index RAG sur le corpus pour des recherches en langage naturel avec citations
- 04File de vérification routée par confiance, avec les corrections réinjectées
Métriques
- 96,8 %
- précision des champs +14,2 pp
- 81 %
- traitement direct sans intervention humaine
- 0,07 $
- coût / document -1,90 $
- 100 %
- couverture des citations liée au passage
Preuves
- source
- Architecture de référence
- chiffres
- Illustratif — valeurs typiques pour cette architecture
- mesure
- Non mesuré. Valeurs typiques pour une architecture de référence de ce type, non observées sur un système client.
- référence
- Non disponible pour ce projet
- dernière revue
- 2026-08-25
Impact métier
- Saisie manuelle réduite au seul traitement des exceptions
- Chaque valeur extraite traçable jusqu'à une page et une zone délimitée
- La clôture mensuelle n'attend plus le traitement des documents
Stack technique
- Python
- Tesseract
- DocTR
- LayoutLM
- PostgreSQL
- Qdrant
- FastAPI
- Next.js
Suite
Besoin d'un système comme celui-ci ?
Répondez à six questions et nous vous dirons si cette architecture correspond à votre problème — y compris quand ce n'est pas le cas.