« 99 % de précision » est le chiffre que tous les fournisseurs d'OCR de factures affichent sur leur page d'accueil, et il est presque toujours vrai pour une seule chose : lire une facture dactylographiée et bien nette provenant d'un fournisseur déjà connu du système. La précision baisse sensiblement pour les champs qui causent réellement des problèmes en aval : symboles monétaires, lignes de TVA et de taxes, et dates dans des formats non standard, précisément là où une extraction incorrecte coûte réellement de l'argent si personne ne la vérifie.
Sur cette page
Précision par champ, et non par facture
Les affirmations des fournisseurs concernant la précision sont presque toujours mesurées par facture, et non par champ, ce qui masque les endroits où se concentrent les véritables erreurs. Un outil OCR moderne basé sur l'AI (et non l'ancien type à correspondance de modèles) donne de bons résultats sur certains champs et des résultats nettement moins bons sur d'autres :
| Champ | Précision habituelle | Pourquoi |
|---|---|---|
| Numéro de facture | Très élevée | Presque toujours clairement étiqueté et placé à un endroit cohérent |
| Montant total | Élevée | Il s'agit généralement du nombre le plus grand et le plus visible de la page |
| Devise | Moyenne | L'ambiguïté des symboles ($ utilisé pour USD, CAD, AUD, etc.) entraîne des erreurs d'interprétation silencieuses |
| Lignes de taxe/TVA | Moyenne à faible | La mise en page varie énormément selon le pays et le logiciel de facturation du fournisseur |
| Dates | Moyenne | L'ambiguïté entre JJ/MM et MM/JJ est une erreur classique, difficile à détecter |
| Détail des lignes | Faible | Les tableaux à plusieurs lignes et colonnes sont la mise en page la plus difficile pour tout système OCR |
Quand les erreurs causent réellement des dommages
Un numéro de facture manquant est gênant, mais évident : quelqu'un le remarque immédiatement. Un symbole monétaire mal interprété ou un format de date inversé est dangereux précisément parce que ce n'est pas évident : le nombre semble plausible, est approuvé, et l'erreur n'apparaît que des semaines plus tard lors du rapprochement, si elle est détectée. Organisez l'étape de vérification autour de ces champs spécifiquement à haut risque, plutôt qu'autour d'une consigne générique du type « tout vérifier » que personne ne suit réellement.
Comment tester concrètement un outil avant de lui faire confiance
- Commencez par lui soumettre vos pires factures. Factures manuscrites, numérisées de travers, au format d'un fournisseur étranger, et non la facture modèle bien nette de la démonstration du fournisseur.
- Vérifiez spécifiquement les champs qui comptent le plus pour vous. Si vous travaillez avec plusieurs devises, mettez la détection des devises à rude épreuve. Si vous travaillez avec des fournisseurs internationaux, mettez l'analyse des dates à rude épreuve.
- Mesurez la précision au niveau des champs, et non au niveau des factures. Une facture comportant un champ erroné sur dix reste une erreur à détecter, même si l'extraction globale « semblait correcte ».
- Définissez un seuil de vérification obligatoire. Toute facture dépassant un montant en dollars de votre choix doit faire l'objet d'un contrôle humain des champs extraits avant de poursuivre son traitement, quel que soit le score de confiance de l'outil.
À lire aussi : automatisation des comptes fournisseurs, de la facture au paiement. Consultez également les meilleurs générateurs de factures AI.
Questions fréquemment posées
L'OCR fondé sur l'AI est-il plus précis que l'ancien OCR fondé sur des règles ?
Généralement oui, surtout pour les factures de fournisseurs dont le système n'a encore jamais rencontré le modèle. L'OCR fondé sur des règles nécessite un modèle correspondant ; l'extraction fondée sur l'AI se généralise mieux aux nouvelles mises en page.
Quel taux de précision dois-je attendre en pratique pour les factures ?
Un taux de 95 % ou plus sur une facture propre et dactylographiée provenant d'un fournisseur connu. Nettement inférieur pour les factures manuscrites, mal numérisées ou dans un format inhabituel. Considérez tout chiffre de précision publié comme un scénario optimal, et non comme un résultat typique.
Des erreurs d'OCR peuvent-elles passer au travers d'un rapprochement à trois niveaux ?
Oui, si l'erreur concerne un champ que le rapprochement ne vérifie pas, comme une ligne de taxe ou une date mal interprétée, puisque le rapprochement à trois niveaux vérifie principalement la quantité et le montant total par rapport au bon de commande et au justificatif de réception.
Les petits fournisseurs qui utilisent des factures manuscrites doivent-ils être rédhibitoires ?
Ce n'est pas rédhibitoire, mais prévoyez davantage de temps pour les vérifier spécifiquement. La plupart des outils signalent les extractions à faible niveau de confiance ; envoyez-les donc par défaut à un humain plutôt que de vous fier à une lecture peu fiable.
Comment savoir si une affirmation concernant la précision d'un outil est digne de confiance ?
Demandez si le chiffre est calculé par champ ou par facture, et s'il a été mesuré sur le propre échantillon sélectionné du fournisseur ou sur un lot mixte représentatif des conditions réelles. S'il ne peut pas répondre clairement, testez vous-même l'outil sur vos véritables factures avant de décider.
En résumé
La précision de l'OCR des factures est réelle, mais inégale : élevée pour les champs évidents, nettement plus faible pour les devises, les lignes de taxe et les dates, précisément là où une erreur silencieuse cause le plus de dommages. Testez tout outil sur vos véritables factures les plus problématiques, et non sur un échantillon de démonstration, puis mettez en place une étape de vérification ciblant les champs les plus susceptibles d'être erronés selon votre portefeuille de fournisseurs.
Parcourez toutes les compétences en finance et en comptabilité dans la collection de compétences Claude de KissMySkills.