Extraire des données de factures et de documents financiers PDF

Les factures arrivent en pièces jointes PDF. Quelqu'un doit ouvrir chacune d'entre elles et saisir les chiffres dans le système comptable. Postes de facturation, montants, calculs de TVA, coordonnées du fournisseur, tout est piégé dans un format qui n'a jamais été conçu pour la saisie de données.

Si vous faites ça depuis plus d'une semaine, vous connaissez déjà la douleur. Les PDF financiers sont le type de document le plus couramment extrait, et aussi le moins tolérant. Une virgule mal lue ne fait pas que mauvaise impression. Elle se propage dans les rapports, les rapprochements, et finit par gâcher l'après-midi de quelqu'un.

Ce qui rend les PDF financiers difficiles

Les chiffres doivent être exacts. Un tableau de descriptions de produits peut survivre à une petite coquille. Pas les données financières. La différence entre 1 234,56 et 12 345,6 est le genre d'erreur qui se remarque lors d'un audit.

Chaque fournisseur formate aussi ses factures différemment. Certaines sont propres. D'autres semblent avoir été conçues pour punir quiconque essaie d'en extraire des données. Il n'existe aucune mise en page standard, même au sein d'un même secteur.

Et puis il y a le problème des conventions locales. "1.234" représente-t-il mille deux cent trente-quatre, ou un virgule deux trois quatre ? Ça dépend du pays d'origine du document. Séparateurs décimaux, formats de date et symboles monétaires varient selon les régions, et les factures indiquent rarement quelle convention elles utilisent.

Les factures ont aussi des totaux à plusieurs niveaux : montants par poste, sous-totaux, taxes, remises, total général. Obtenir les bons chiffres implique de comprendre la structure du document, pas seulement de lire des chiffres sur la page.

Pourquoi la saisie manuelle ne tient pas la route

Le processus classique est simple. Ouvrir le PDF, trouver les champs, les saisir dans l'ERP. Pour dix factures par semaine, ça passe.

Pour des centaines par mois, ça s'effondre. La saisie manuelle a un taux d'erreur d'environ 1 à 3 %, et pour des données financières, même 1 % pose de vrais problèmes. Chaque facture prend quelques minutes à traiter. Votre équipe comptable finit par passer des heures en saisie de données au lieu de faire du vrai travail comptable.

Du PDF aux données structurées

L'approche pratique consiste à décrire ce dont vous avez besoin dans le document et à laisser un outil d'extraction le récupérer. Avec un outil comme unPDF, vous téléchargez une facture, vous indiquez "extraire tous les postes avec descriptions, quantités, prix unitaires et totaux", et vous obtenez un tableau structuré. Vous vérifiez le résultat, corrigez ce qui semble incorrect, et exportez en CSV ou Excel.

C'est plus efficace qu'une conversion aveugle du document entier parce que vous dirigez l'extraction vers des champs précis. Vous n'avez pas besoin de convertir l'intégralité du PDF. Vous avez besoin du numéro de facture, de la date, des postes de facturation et du total.

Gérer la variété des formats

Le plus difficile dans l'extraction de factures à grande échelle, c'est la variété des formats. Chaque fournisseur présente ses factures différemment.

L'extraction en langage naturel aide ici, car vous n'êtes pas enfermé dans un modèle rigide. "Extraire le tableau des postes" fonctionne que le tableau soit en haut ou en bas de la page, que l'en-tête indique "Qté" ou "Quantité", et quel que soit l'ordre des colonnes. C'est important quand votre service comptabilité fournisseurs traite des factures de dizaines de fournisseurs différents.

Factures numérisées et OCR

Certaines factures sont des scans plutôt que des PDF créés numériquement. Le texte d'une facture numérisée est une image, il faut donc passer par l'OCR avant toute autre opération.

L'OCR moderne gère la plupart des scans assez bien. La qualité dépend de la résolution et de la netteté d'impression. Si vous traitez beaucoup de factures numérisées, investissez dans un bon scanner et réglez-le sur une résolution élevée. Ça fait gagner du temps en aval.

Rendre le processus reproductible

Une fois que vous avez trouvé la bonne méthode d'extraction pour un lot de factures, l'étape suivante est d'en faire un processus cohérent. Utilisez les mêmes instructions d'extraction pour chaque lot. Intégrez une étape de vérification avant que les données n'entrent dans le système comptable. Suivez la précision au fil du temps pour repérer rapidement les fournisseurs problématiques ou les erreurs récurrentes.

L'extraction automatisée avec relecture humaine est le juste milieu pratique. Vous avancez plus vite dans la pile, mais quelqu'un vérifie quand même les chiffres avant qu'ils n'entrent dans les comptes.