Workflow d'extraction de factures : pourquoi l'IA seule ne suffit pas

Sophie gère un cabinet comptable de trois personnes. Ses clients TPE lui envoient entre 60 et 90 pièces par mois : factures par email, photos prises à la volée sur un téléphone, PDFs déposés dans un Drive partagé.

Ses deux collaborateurs passent environ deux heures par jour à lire ces documents, en extraire les informations utiles et les ressaisir à la main.

Elle a entendu parler de l'IA pour automatiser cette partie. Elle a raison d'y penser. Mais un modèle de langage branché directement sur un dossier de factures, sans structure autour, produit des résultats peu fiables.

Ce que l'IA fait bien sur des documents

Sur des documents hétérogènes, un modèle de langage fait quelque chose qu'un parser classique ne sait pas faire : il comprend le contexte.

Une facture de cabinet vétérinaire et une facture d'abonnement SaaS n'ont pas la même mise en page. Les libellés changent, les colonnes bougent, les totaux ne sont pas toujours au même endroit. Un code rigide casse dès qu'un champ se déplace. Le modèle, lui, comprend que "Net à payer", "Solde dû" et "Montant restant" désignent la même chose, peu importe la facture d'origine.

Sur des formats variables, le modèle généralise là où une règle fixe échoue. C'est pour ça qu'il a sa place dans un système de traitement automatique de factures.

Ce que l'IA ne peut pas faire seule

Sans encadrement, un modèle de langage invente. Il comble les zones floues avec des valeurs plausibles. Il peut confondre un acompte avec le montant TTC. Il ne détecte pas qu'une facture marquée "payée" avec un reste à payer de 40 euros est incohérente.

Et si on lui envoie le texte brut d'un document, il reçoit les noms, les IBAN, les adresses, sans que personne n'ait décidé si c'était justifié.

Le système d'extraction automatique qui tient dans le temps n'est donc pas : OCR, puis IA, puis tableau. Il y a des étapes entre les deux.

Ce que Sophie voit

Un formulaire de dépôt, un tableau avec une ligne par pièce, une colonne statut, une alerte quand quelque chose nécessite son regard. C'est tout ce que Sophie et ses collaborateurs ont à gérer.

Le reste se passe en dehors de leur champ de vision : lecture du document, masquage des données sensibles, extraction structurée, vérification automatique. Voilà comment ces quatre étapes sont construites.

Le système en quatre étapes

1. Extraire le texte

Le document arrive via un formulaire, depuis un ordinateur ou un téléphone. Un outil OCR (reconnaissance optique de caractères) en extrait le contenu lisible : c'est ce qui transforme un PDF ou une photo en texte exploitable par un programme. Sans cette étape, le fichier reste une image pour la machine.

Pour cette étape, le choix s'est porté sur Mistral OCR. Deux raisons concrètes :

• Mistral est un acteur européen dont les données sont hébergées par défaut dans l'Union européenne, et les données transmises via l'API ne sont pas utilisées pour entraîner les modèles. C'est un point qui compte quand les documents traités contiennent des informations commerciales ou personnelles.
• Mistral OCR est conçu pour les documents structurés complexes — factures, tableaux, PDFs multi-blocs — là où un OCR classique se limite souvent à lire du texte sans préserver la structure. Sur des factures dont la mise en page varie d'un fournisseur à l'autre, la différence est réelle.

À ce stade, tout est là dans le texte extrait : noms, coordonnées, IBAN, numéros de facture. C'est le matériau brut, avant tout traitement.

2. Masquer les données sensibles avant d'envoyer au modèle

Le modèle de langage ne doit jamais recevoir les données réelles de tes clients.

Avant que le texte parte vers l'IA, un code remplace les informations sensibles par des identifiants neutres : noms de personnes, noms de fournisseurs, IBAN, adresses, emails, numéros de téléphone, SIRET. Le modèle reçoit un texte lisible, mais sans aucune valeur confidentielle.

Ce mécanisme s'appelle la pseudonymisation. Les vraies valeurs ne disparaissent pas : elles sont conservées à part. À la fin du traitement, seuls les champs utiles pour le tableau de suivi sont réassociés. Les IBAN ou adresses clients n'y figurent pas par défaut. Le modèle n'a jamais vu les valeurs originales.

Dans un contexte comptable ou libéral, où la confidentialité des données clients n'est pas négociable, cette étape n'est pas optionnelle.

3. Extraire une structure standard

Le modèle reçoit le texte masqué et produit un format commun : date de facture, fournisseur, montant HT, TVA, TTC, statut de paiement, montant restant à payer, catégorie probable, résumé court, niveau de confiance sur l'extraction.

Il conserve les identifiants neutres là où les vraies valeurs étaient. Si une information est absente du document, il retourne une valeur nulle plutôt que de la deviner.

C'est ici que le modèle est utile : produire une structure homogène en sortie, peu importe la mise en page d'origine.

4. Vérifier avant de stocker

Un dernier bloc de code passe sur le résultat avant qu'il entre dans le tableau. Il vérifie que :

• le TTC est cohérent avec HT + TVA,
• la date est présente,
• le statut "payé" ne cohabite pas avec un reste à payer positif,
• le niveau de confiance est suffisant.

Si quelque chose cloche, la ligne est marquée "à vérifier" et une notification part au collaborateur concerné. Les lignes propres vont directement dans le tableau. Les lignes douteuses attendent une validation humaine.

Pour qui ce système est pertinent

Les cabinets comptables et les professions libérales à dossiers sont le cas le plus direct. Le volume de pièces est élevé, les canaux d'entrée sont multiples, le besoin de traçabilité est fort. Concrètement : moins de ressaisie, tableau à jour, anomalies détectées avant que le collaborateur ouvre le document. Un article de cas concrets illustre ce type de gain.

Pour un artisan ou un commerce de proximité, l'usage est différent. Les pièces à traiter sont des factures fournisseurs : matériel pour un plombier, réapprovisionnement pour une fleuriste ou un caviste. Le système extrait le montant, la date, le fournisseur, signale ce qui reste à payer. La facture ne dort plus dans les mails ou dans la galerie photo du téléphone. C'est une brique parmi d'autres pour réduire le temps passé sur l'administratif en fin de journée.

Pour un freelance avec un volume régulier de frais — reçus SaaS, déplacements, sous-traitants — le système produit un tableau propre à transmettre à l'expert-comptable, sans chercher les justificatifs un par un.

Ce que ce système ne fait pas

Il ne remplace pas un logiciel comptable. Il ne valide pas les montants à la place d'un comptable. Il ne classe pas dans un plan comptable.

Son périmètre : lire des documents variables, extraire les informations utiles, signaler ce qui mérite attention, alimenter un tableau. Les décisions restent humaines.

Depuis que ce système tourne dans le cabinet de Sophie, ses collaborateurs ne reconstituent plus les informations à la main sur les pièces courantes. Ils ouvrent le tableau et interviennent sur ce qui est marqué.

Si certains termes de cet article te sembles "abstraits alors n' hésites pas à consulter ces 2 articles :
Glossaire IA et automatisation pour TPE : 15 mots à comprendre sans jargon

Glossaire IA et automatisation pour TPE - V2 : 10 termes plus techniques expliqués clairement