Chaque organisation compte des employés dont le travail consiste en partie à ressaisir des documents : des factures de fournisseurs dans le système comptable, des clauses de contrats dans un chiffrier, des formulaires de demande dans un dossier client ou employé. Ce travail est lent, propice aux erreurs, et rarement l’idée que quiconque se fait d’un bon usage de son temps.
L’IA documentaire change la donne. Des modèles entraînés sur un grand nombre de documents lisent une page à peu près comme le ferait une personne, en reconnaissant la mise en page, les tableaux et les étiquettes, et rendent chaque champ avec un niveau de confiance. C’est la partie qui brille en démonstration. La rentabilité de l’investissement, elle, se joue après la lecture.
Lire, extraire, vérifier, acheminer
Un processus documentaire efficace compte quatre étapes, et seules les deux premières relèvent de l’intelligence artificielle :
- Lire. Les documents arrivent par courriel, par portail ou par numériseur, sont convertis en texte et sont classés : facture, note de crédit, contrat, formulaire de demande.
- Extraire. Le modèle rend les champs qui comptent, comme le fournisseur, le numéro de facture, la date, le bon de commande, les lignes et le total, chacun avec son niveau de confiance.
- Vérifier. Des règles d’affaires comparent les champs à ce que l’organisation sait déjà : le fichier maître des fournisseurs, le bon de commande et la réception des marchandises, les prix des contrats, les règles fiscales, les totaux qui doivent concorder et les numéros des factures déjà payées.
- Acheminer. Les documents qui passent toutes les vérifications sont comptabilisés sans intervention. Les autres vont dans une file, avec les champs douteux surlignés à côté de la page d’origine.
Là où l’investissement rapporte en premier
Les meilleurs premiers candidats combinent un volume élevé, des mises en page récurrentes et un système de référence auquel se comparer. Les factures de fournisseurs rapprochées des bons de commande sont le cas classique d’automatisation intelligente, suivies des avis de paiement, des preuves de livraison, des réclamations et des formulaires d’intégration de fournisseurs, de clients ou d’employés. Classez les candidats selon les heures qu’ils exigent aujourd’hui et selon le coût de leurs erreurs : pénalités de retard, escomptes de paiement anticipé manqués et paiements en double.
Les contrats sont un cas à part. Les volumes sont plus faibles et chaque document compte davantage, si bien que la valeur ne tient pas à la vitesse mais à l’exhaustivité : dates de renouvellement, délais de préavis, clauses d’indexation des prix et plafonds de responsabilité versés dans un registre que quelqu’un surveille vraiment. Un seul renouvellement raté ou une hausse de prix non appliquée peut coûter plus cher que tout le projet. Gardez un gestionnaire de contrats comme réviseur de chaque clause extraite jusqu’à ce que le registre ait gagné cette confiance.
Les formulaires méritent une question avant tout modèle : si l’organisation conçoit le formulaire, peut-il plutôt devenir numérique? Un formulaire en ligne bien conçu saisit des données propres à la source, et la lecture du papier devient l’exception plutôt que le processus.
Les règles font plus de travail que le modèle
Un champ lu avec un niveau de confiance élevé peut tout de même être faux pour l’entreprise. Le numéro de facture est lu parfaitement, mais la facture a déjà été payée. Le total est exact, mais le prix dépasse celui du contrat. Le bon de commande existe, mais il est fermé. Aucun de ces cas n’est une erreur de lecture, et aucun modèle plus performant ne les détectera. Des règles qui comparent chaque document aux systèmes de référence, oui.
Ensemble, la confiance du modèle et les règles d’affaires décident de ce qui est traité sans intervention. Fixez les seuils par champ, et non par document. Un nom de fournisseur lu avec une confiance moyenne peut être confirmé à l’aide du fichier maître, alors que des coordonnées bancaires ne devraient jamais être modifiées sur la seule foi d’un document, si sûr que soit le modèle.
La détection des doublons mérite ses propres règles. La même facture arrive souvent deux fois, par courriel et par la poste, ou revient avec un nouveau numéro après un rappel de paiement, et un modèle qui lit parfaitement les deux exemplaires les comptabilisera volontiers tous les deux.
Concevez la file d’exceptions avant le modèle
C’est dans la file d’exceptions que se décide la rentabilité. Chaque document qui échoue à une vérification devrait arriver avec le motif, les champs douteux surlignés, la page d’origine à côté et, si possible, une correction suggérée. La file est triée selon ce qui compte, comme la date d’échéance du paiement, l’escompte de paiement anticipé ou la valeur, et chaque élément a un responsable.
Les corrections faites dans la file sont les meilleures données d’entraînement qui soient : elles devraient donc servir à améliorer l’extraction. Les motifs d’exception sont tout aussi précieux. Quand le même fournisseur n’indique jamais de numéro de bon de commande, la solution est une conversation avec ce fournisseur, pas un meilleur modèle.
Les personnes qui traitent la file comptent autant que la façon dont elle est conçue. Les commis aux comptes fournisseurs cessent d’être des opérateurs de saisie et deviennent des réviseurs d’exceptions, et leur connaissance des fournisseurs se transforme en règles qui gardent la prochaine facture hors de la file.
Mesurez le traitement sans intervention
La mesure phare est le traitement sans intervention : la part des documents qui passent de la réception à la comptabilisation sans que personne ne les ouvre. La précision par champ est une mesure technique utile, mais elle ne dit rien du nombre de factures qu’une personne a encore dû traiter. Suivez le taux sans intervention avec le délai entre la réception et la comptabilisation, le taux d’exceptions par motif et par fournisseur, et les erreurs découvertes après la comptabilisation, qui devraient être quasi inexistantes.
Attendez-vous à ce que le taux progresse par paliers plutôt que du jour au lendemain. Chaque règle ajustée, chaque fournisseur qui change sa façon de facturer et chaque lot de corrections renvoyé au modèle font sortir plus de documents de la file. Présentez ce taux chaque mois par type de document et par fournisseur, et la prochaine amélioration s’impose habituellement d’elle-même. Surveillez aussi l’échec inverse : un taux sans intervention qui monte en même temps que les erreurs découvertes après la comptabilisation signale des seuils trop permissifs.
Commencez par un seul type de document
Commencez par un type de document à fort volume, un système de référence auquel le comparer et une file d’exceptions conçue avec les personnes qui la traiteront. Faites la preuve du taux sans intervention à cet endroit, puis ajoutez le type de document suivant. Consignez chaque vérification, son résultat et le niveau de confiance de chaque champ, pour que la réponse soit déjà au dossier le jour où les auditeurs demanderont comment un document a été comptabilisé sans intervention. La lecture continue de s’améliorer; ce sont les vérifications et la file qui la rendent rentable.