Un moteur reconnaît 99 % des caractères et inverse pourtant le montant à payer. Un contrat est parfaitement converti en texte, mais la clause de renouvellement n’est pas reliée à l’entité concernée. Une facture est extraite correctement puis payée deux fois.
Le document n’est pas le résultat. La décision l’est.
1. Définition : la Document Intelligence comprend une chaîne, pas un OCR isolé
La Document Intelligence combine acquisition, classification, reconnaissance de texte, compréhension de mise en page, extraction structurée, recherche, génération et règles métier afin de traiter des documents dans un processus.
Elle s’applique aux factures, bons de commande, contrats, dossiers clients, sinistres, formulaires, pièces d’identité, rapports, courriers ou plans. Les entrées peuvent être nativement numériques, scannées, photographiées, manuscrites, multilingues ou composées de plusieurs pièces.
L’OCR convertit une image en caractères. La Document Intelligence doit encore identifier le type, associer une valeur à un champ, comprendre la table, relier les pages, contrôler la cohérence et décider quoi faire en cas d’incertitude.
La différence est opérationnelle.
2. Chiffres clés : la donnée documentaire devient une infrastructure
- À compter du 1er septembre 2026, toutes les entreprises françaises doivent pouvoir recevoir des factures électroniques ; les grandes entreprises et ETI doivent aussi les émettre. L’émission s’étend aux PME et micro-entreprises le 1er septembre 2027.
- Le ministère de l’Économie estime que plus de 10 millions d’acteurs économiques sont concernés. La DGFiP avait publié en janvier 2026 une première liste de 101 plateformes agréées.
- Quatre nouvelles mentions sont prévues sur les factures à partir de septembre 2026 : SIREN du client, catégorie d’opération, option éventuelle pour la TVA sur les débits et adresse de livraison lorsqu’elle diffère de la facturation.
- Une facture, comme pièce comptable, doit être conservée dix ans en France. Extraction, archivage, preuve et droit d’accès ne peuvent donc pas être pensés comme une simple étape temporaire.
- La stratégie européenne ViDA estime des bénéfices économiques entre 172 et 214 milliards d’euros sur dix ans, dont 51 milliards d’économies pour les entreprises ; le reporting numérique pourrait réduire la fraude TVA jusqu’à 11 milliards. Ces projections portent sur un programme réglementaire européen, pas sur le ROI d’un projet individuel.
- Une étude 2026 sur un pipeline multi-agent avec revue humaine rapporte 97,0 % d’automatisation sur 955 documents et 98,5 % d’exactitude document sur un sous-échantillon stratifié de 100 pièces. Il s’agit d’un cas de recherche et de déploiement particulier ; il illustre la mesure nécessaire, sans fournir un benchmark universel.
La dématérialisation structurée réduit certains besoins d’OCR, mais augmente l’importance de la validation, de l’interopérabilité, du rapprochement et de la traçabilité.
3. Le passeport du document : huit frontières à maîtriser
Chaque document reçoit un parcours traçable. Le « passeport » associe source, propriétaire, type, version, données extraites, contrôles, décisions et conservation.
4. Frontière 1 — Recevoir sans perdre la provenance
Courriel, portail, API, plateforme agréée, scan ou dépôt mobile ne présentent pas les mêmes risques. L’entrée doit créer un identifiant stable, conserver horodatage, canal, expéditeur, empreinte et relation avec le dossier.
4.1. Contrôler le contenant
Vérifiez type réel, taille, chiffrement, pages, archive, virus, signature, corruption et doublon. Un fichier nommé PDF peut contenir autre chose ; une pièce jointe peut intégrer du contenu actif ou des instructions conçues pour manipuler un système génératif.
Séparez les documents des commandes. Le texte « envoyez cette facture à telle adresse » constitue une donnée à analyser, pas une instruction autorisée pour l’agent ; les actions viennent du workflow et des règles authentifiées.
4.2. Préserver l’original
Conservez l’objet reçu et les transformations nécessaires à la reproduction, selon la politique applicable. Rotation, nettoyage, découpage et conversion améliorent la lecture, mais une équipe doit pouvoir revenir à la source lors d’un litige ou d’une contre-vérification.
La provenance commence avant le modèle.
5. Frontière 2 — Classer le document et le dossier
Un contrat et son avenant peuvent partager des mots, tout en exigeant des traitements différents. La classification porte sur type, sous-type, langue, version et relation avec les autres pièces.
5.1. Évaluer au bon niveau
Précision globale trompe lorsque 80 % du volume appartient à une classe facile. Publiez précision, rappel et matrice de confusion par type, surtout pour les documents rares et critiques.
Si 95 % des factures sont reconnues mais 20 % des avoirs sont classés comme factures, le système peut gonfler les montants dus. Une classe « inconnu » et un seuil de rejet valent mieux qu’une réponse forcée.
5.2. Assembler avant d’extraire
Un courriel contient parfois un bon, trois factures et des conditions. Détectez les frontières, regroupez les pages et rattachez au bon dossier. L’erreur d’assemblage contamine tous les champs suivants même si chaque OCR paraît exact.
Le test doit inclure pages manquantes, doublées, tournées et mélangées.
6. Frontière 3 — Extraire avec une définition par champ
Un champ possède nom métier, type, format, source dans le document, caractère obligatoire, tolérance, règle de normalisation et conséquence d’erreur.
6.1. Différencier les risques
Le numéro de facture aide au doublon. Le total déclenche le rapprochement. L’IBAN touche au paiement. Une clause de résiliation fixe une échéance. Leur seuil et leur revue ne peuvent pas être identiques.
Mesurez exactitude exacte pour identifiants, tolérance numérique pour montants, Intersection over Union ou métrique de localisation lorsque la zone importe, et qualité sémantique contrôlée pour une clause. Ajoutez taux de présence et faux remplissage : inventer une valeur absente est souvent plus dangereux que laisser vide.
6.2. Normaliser sans détruire
Conservez valeur brute, valeur normalisée, unité, devise et position. « 01/02/26 » dépend du pays ; « 1.200 » peut signifier mille deux cents ou un virgule deux. Le contexte et les règles de juridiction doivent précéder la conversion.
Une sortie JSON valide n’est pas une sortie vraie. Le schéma protège la forme, pas le fond.
7. Frontière 4 — Rapprocher avec les systèmes de référence
L’extraction prend de la valeur lorsqu’elle rencontre ERP, CRM, contrat, commande, catalogue, registre ou annuaire.
7.1. Utiliser la double preuve
Une facture fournisseur se rapproche du bon de commande et de la réception. Un contrat se relie à l’entité, au signataire et au référentiel de clauses. Une pièce client est comparée aux informations autorisées dans le dossier.
Le rapprochement doit expliquer l’écart : montant, quantité, devise, date, identité, compte ou référence. Une similarité opaque de 0,82 ne suffit pas à un valideur ; l’interface montre les valeurs et la règle.
7.2. Détecter fraude et erreur sans condamner
Un nouvel IBAN, une adresse différente ou un doublon potentiel déclenche une procédure, pas une accusation. Les signaux sont combinés, les rôles séparés et les canaux de vérification indépendants du document reçu.
Le système évite les boucles. Si le document alimente le référentiel qui sert immédiatement à le valider, une donnée frauduleuse peut devenir sa propre preuve.
8. Frontière 5 — Générer, rechercher et synthétiser avec sources
Les modèles génératifs permettent questions-réponses, résumé, comparaison de versions et rédaction de fiches. Leur utilité dépend de la récupération des bons passages et de la fidélité de la réponse.
8.1. Séparer retrieval et génération
Mesurez d’abord si le passage pertinent apparaît dans les premiers résultats, puis si la réponse respecte ce passage. Une mauvaise réponse peut venir d’un document absent, d’un découpage, d’un classement ou du modèle ; sans séparation, l’équipe change le mauvais composant.
Les citations pointent vers page, zone et version. Un lecteur doit ouvrir le contexte en un geste. Une réponse sans preuve doit signaler l’incertitude ou s’abstenir.
8.2. Construire des questions adversariales
Testez absence d’information, contradictions, avenant plus récent, négation, tableau, note de bas de page, contenu manuscrit, document en autre langue et instruction malveillante. Demandez aussi une information qui ne figure nulle part pour mesurer l’invention.
La synthèse ne remplace pas la lecture juridique ou financière lorsque la décision l’exige. Elle prépare le dossier et rend les différences visibles.
9. Frontière 6 — Décider du niveau de revue humaine
La revue ne doit pas être une case « human in the loop » ajoutée en fin de présentation. Elle possède capacité, compétence, ergonomie et objectif.
9.1. Router par risque et confiance
- Automatique : champ fiable, cohérence confirmée, montant ou conséquence faible.
- Validation ciblée : un champ incertain ou une règle d’écart.
- Revue complète : document nouveau, contradictoire, sensible ou à fort enjeu.
- Rejet : source illisible, pièce manquante, attaque ou type non pris en charge.
Le seuil est calibré sur le coût des faux positifs et faux négatifs. Si valider à tort coûte cent fois plus que revoir inutilement, l’équipe privilégie le rappel ou la précision en conséquence.
9.2. Concevoir l’écran de contrôle
Montrez document et champ côte à côte, zone surlignée, valeur brute, normalisation, règle, référence externe et historique. Les raccourcis, files et regroupements limitent la charge cognitive.
Mesurez temps de revue, corrections, désaccords, contournements et acceptations mécaniques. Si l’humain accepte 99,9 % en une seconde, la supervision est probablement nominale.
10. Frontière 7 — Exécuter sans dupliquer ni dépasser les droits
Après validation, le système crée un objet, déclenche une approbation, notifie ou archive. Cette transition est la plus engageante.
10.1. Rendre l’action idempotente
Un identifiant de transaction garantit qu’une relance réseau ne crée pas deux factures, deux dossiers ou deux paiements. Le journal distingue demande, tentative, succès, échec et réconciliation.
10.2. Limiter les permissions
Le compte technique n’accède qu’aux opérations, entités et environnements nécessaires. Lecture, proposition, validation et exécution sont séparées ; les montants ou risques élevés demandent une autre autorité.
Un mode dégradé conserve la file lorsque l’ERP ou l’API tombe. À la reprise, le système compare ce qui était attendu et réellement créé avant de rejouer.
Documenter est aussi exécuter correctement.
11. Frontière 8 — Conserver, supprimer et prouver
La politique relie obligation légale, finalité, contentieux, sécurité et droits. Toutes les copies intermédiaires ne doivent pas nécessairement vivre aussi longtemps que la pièce comptable.
11.1. Écrire la matrice de conservation
Pour original, image préparée, texte OCR, champs, embeddings, prompts, sortie, journaux et annotations, précisez base, durée, accès, chiffrement et destruction. Un index vectoriel peut contenir une représentation de données personnelles et doit entrer dans l’analyse.
La CNIL rappelle que des modèles entraînés sur des données personnelles peuvent rester soumis au RGPD en raison de capacités de mémorisation. L’anonymat ne se déduit pas du terme « embedding » ou du hachage.
11.2. Maintenir la chaîne de preuve
Version du modèle, règles, horodatage, personne, source, correction et action permettent de reconstituer le dossier. Le journal protège intégrité et accès sans devenir une copie illimitée de toutes les données.
La fin de vie est testée : suppression, export, changement de fournisseur et lecture d’une archive ancienne.
12. Construire le jeu d’évaluation documentaire
Un jeu d’or contient des documents représentatifs et volontairement difficiles. Logiks recommande de stratifier par type, fournisseur, canal, qualité, langue, période, page, montant et risque.
12.1. Taille et couverture
Le nombre dépend de la diversité, pas d’un seuil magique. Cent documents presque identiques ne valent pas vingt classes rares. Définissez la population cible, échantillonnez, puis ajoutez les cas incidents et nouveaux formats.
Les annotations sont réalisées par des personnes formées avec un guide. Mesurez leur accord, arbitrez les divergences et versionnez. Un champ dont la vérité métier n’est pas stable doit être clarifié avant de juger le modèle.
12.2. Tableau des métriques
| Couche | Mesure | Décision |
|---|---|---|
| Ingestion | perte, doublon, corruption | le document entre-t-il correctement ? |
| Classification | précision/rappel par classe | part-il dans le bon flux ? |
| Extraction | exactitude par champ et risque | la donnée est-elle utilisable ? |
| Rapprochement | faux match / non-match | le dossier est-il cohérent ? |
| Réponse | retrieval, fidélité, abstention | la synthèse est-elle fondée ? |
| Processus | délai, automatisation, reprise | le flux s’améliore-t-il ? |
| Économie | coût par document net | la valeur couvre-t-elle le service ? |
Rapportez des intervalles et le nombre de cas. « 100 % sur trois contrats » est exact, mais ne prouve rien sur le portefeuille.
13. Cas chiffré : factures multi-formats
Une entreprise traite 50 000 factures annuelles à 6 € de coût direct, soit 300 000 €. Le pilote vise 70 % sans saisie, 25 % avec validation de deux minutes et 5 % de reprise de dix minutes, pour un coût chargé de 36 € par heure.
La revue représente 12 500 × 2 minutes + 2 500 × 10 minutes = 50 000 minutes, soit 833 heures et environ 30 000 €. Ajoutons 60 000 € de licence/infrastructure, 45 000 € de maintenance, 20 000 € de support et 15 000 € de corrections : le coût annuel devient 170 000 €, économie brute 130 000 € avant amortissement du projet.
Mais 0,2 % de doublons non détectés sur un montant moyen de 1 200 € exposent théoriquement 120 000 € de paiements, dont une partie peut être récupérée. Un contrôle de doublon robuste et une approbation adaptée valent donc davantage qu’un point de taux d’automatisation.
Le comité suit coût par facture, délai, erreurs financières, réouvertures et concentration des exceptions. Si un nouveau fournisseur génère 40 % des reprises, il corrige le format ou la règle au lieu d’augmenter aveuglément la revue.
L’économie documentaire est une économie de risque.
14. Comparaison de documents : le cas d’un contrat et de ses quatre avenants
Une direction juridique veut retrouver les obligations de préavis dans 18 000 contrats. Le premier essai extrait correctement la clause du document principal dans 93 % des cas, mais ignore qu’un avenant signé deux ans plus tard remplace le délai, qu’un second ne concerne qu’une filiale et qu’une annexe associe une exception à certains produits.
Le pipeline doit d’abord constituer la famille contractuelle. Il relie identifiants, parties, dates d’effet, signatures et références croisées, puis ordonne les textes sans supposer que la date du fichier correspond à la date juridique ; lorsqu’un lien reste ambigu, le dossier entier passe en revue.
L’extraction ne retourne pas seulement « trois mois ». Elle conserve sujet de l’obligation, événement déclencheur, durée, unité, condition, source exacte, version applicable et niveau de confiance, afin qu’un juriste puisse vérifier l’interprétation plutôt que rechercher à nouveau toutes les pages.
Le jeu d’or contient des avenants contradictoires, des clauses absentes, des scans médiocres, plusieurs entités et des résiliations déjà intervenues. Deux juristes annotent indépendamment un échantillon, car leur désaccord révèle parfois une politique interne ou une formulation qui exige une troisième lecture au lieu d’une vérité automatique.
La mesure finale porte sur la décision : pour combien de dossiers le système identifie-t-il la bonne obligation applicable, avec sa source, sans inventer quand l’information manque ? Une précision de 96 % sur la présence des mots ne compense pas une erreur de version sur un engagement important.
L’outil ouvre alors trois files : réponse confirmée, validation ciblée et analyse complète. Le taux d’automatisation sera inférieur à celui d’un résumé libre, mais la sortie devient utilisable pour planifier des échéances et documenter le raisonnement.
Ce cas montre la frontière. Comprendre un document exige souvent de comprendre sa place dans un ensemble, son effet dans le temps et l’autorité de la version.
Si le programme évaluait seulement la capacité du modèle à retrouver une séquence de mots dans chaque fichier pris isolément, il pourrait publier un score impressionnant tout en transmettant aux équipes une obligation périmée, rattachée à la mauvaise filiale et dépourvue de la condition qui en modifie entièrement l’application.
À l’inverse, un système plus prudent qui refuse certains dossiers, montre les liens entre versions, conserve les zones sources et dirige l’ambiguïté vers un juriste produit parfois moins de réponses automatiques, mais davantage de décisions défendables et un apprentissage beaucoup plus utile pour la suite du portefeuille.
15. Feuille de route en quatre versions
15.1. V0 — Observer
Cartographier documents, champs, volumes, erreurs, systèmes et conservation. Constituer le jeu d’or et la baseline sans action automatique.
15.2. V1 — Extraire et proposer
Afficher classification, champs et sources à un opérateur. Mesurer corrections et temps. Aucun acte irréversible.
15.3. V2 — Automatiser le vert
Exécuter les cas fiables et faibles en risque, avec échantillonnage, idempotence et rollback. Surveiller les segments.
15.4. V3 — Étendre et réutiliser
Ajouter types, langues et actions après preuve. Mutualiser ingestion, identité, journal et évaluation, sans imposer le même modèle à chaque document.
Cette progression Logiks n’est pas une norme. Elle protège l’apprentissage et facilite le retour lorsque la réalité contredit la démo.
16. Conseils Logiks : dix erreurs coûteuses
- Annoncer une précision OCR globale.
- Mélanger classification et extraction.
- Entraîner sur les documents du test.
- Forcer une valeur quand elle est absente.
- Ignorer l’assemblage multi-pages.
- Laisser un contenu piloter l’agent.
- Donner au modèle le droit de payer.
- Sous-estimer la capacité de revue.
- Conserver toutes les copies sans règle.
- Oublier l’ERP et mesurer seulement le document.
Une extraction parfaite dans un flux cassé reste un échec.
17. FAQ
17.1. Quelle différence entre OCR et Document Intelligence ?
L’OCR reconnaît du texte. La Document Intelligence classe, structure, rapproche, interprète, route et contrôle le document jusqu’à une décision métier.
17.2. Quel taux de précision faut-il ?
Il dépend du champ et de la conséquence. Un montant ou un IBAN exige davantage qu’une catégorie informative. Fixez les seuils à partir du coût des erreurs.
17.3. Faut-il entraîner un modèle sur mesure ?
Pas au départ. Testez les services prêts à l’emploi sur votre jeu. Adaptez ou entraînez seulement si l’écart, le volume et la propriété des données justifient le coût.
17.4. La facture électronique supprime-t-elle l’IA documentaire ?
Elle réduit l’OCR sur les flux structurés, mais laisse validation, rapprochement, e-reporting, exceptions, pièces jointes et documents hors facture. L’interopérabilité devient centrale.
17.5. Comment organiser la revue humaine ?
Router selon risque et confiance, montrer la source, mesurer corrections et temps, puis dimensionner la capacité de pointe. Une boîte mail générique ne suffit pas.
17.6. Peut-on traiter des documents confidentiels ?
Oui avec finalité, base juridique, minimisation, accès, contrat, sécurité, conservation et architecture adaptés. Le fournisseur et les usages de données doivent être vérifiés.
18. Conclusion
La chaîne documentaire ne gagne pas quand elle lit. Elle gagne quand le bon dossier atteint la bonne décision, avec moins de délai, de ressaisie et de risque.
Préservez la provenance. Mesurez par classe et par champ. Rapprochez avec une preuve indépendante. Concevez la revue, l’action et la conservation. Calculez enfin le coût du processus complet.
Le document mérite une chaîne de confiance.
19. Sources principales
- Ministère de l’Économie, Tout savoir sur la facturation électronique, consulté en juillet 2026 : https://www.economie.gouv.fr/tout-savoir-sur-la-facturation-electronique-pour-les-entreprises
- Ministère des Finances, 101 premières plateformes agréées, 16 janvier 2026 : https://presse.economie.gouv.fr/facturation-electronique-la-direction-generale-des-finances-publiques-publie-la-liste-des-101-premieres-plateformes-agreees/
- Ministère de l’Économie, Mentions obligatoires d’une facture, 25 février 2026 : https://www.economie.gouv.fr/entreprises/gerer-son-entreprise-au-quotidien/gerer-sa-comptabilite-et-ses-demarches/mentions-obligatoires-dune-facture-tout-savoir
- Commission européenne, ViDA implementation strategy, juin 2026 : https://taxation-customs.ec.europa.eu/document/download/d5c72f2a-df00-473d-8f8a-5400b999e1aa_en?filename=Implementation+strategy.pdf
- Faundez-Zanuy et al., MADP: A Multi-Agent Pipeline for Sustainable Document Processing with Human-in-the-Loop, mai 2026 : https://arxiv.org/abs/2605.17159
- CNIL, IA : finalisation des recommandations sur le développement des systèmes, 22 juillet 2025 : https://cnil.fr/fr/ia-finalisation-recommandations-developpement-des-systemes-ia