Contactez-nous si vous avez des formulaires, des bons de commande, des rapports, des contrats, des formulaires de demande, des cartes-réponses (campagnes) ou similaires que vous souhaitez convertir rapidement en base de données.
Pour l'interprétation des formulaires, nous utilisons soit la technologie de saisie de données à formulaire fixe (la même que celle utilisée pour les enquêtes), soit la technologie de saisie de données flexible, car cette dernière ne nécessite pas les repères d'enregistrement habituellement utilisés avec la technologie de formulaire fixe, par exemple les enquêtes.
Interprétation de formulaires avec la technologie de saisie de données flexible
L'interprétation avec la technologie de saisie de données flexible fonctionne de manière tout à fait différente de l'interprétation de formulaires fixes, avec des repères de référence et des champs à des positions fixes. Au lieu d'interpréter des positions fixes, elle repose sur l'utilisation de l'OCR pour localiser des mots d'ancrage prédéfinis, tels que « Contract », « contract no. », « Order no. », « Order slip: », « Report no.: » ou similaires, puis sur la définition de conditions permettant de trouver une chaîne de caractères appropriée à proximité de l'ancre, ou du moins par rapport à celle-ci. Vous définissez des conditions sur l'apparence de la chaîne de caractères recherchée, telles que le nombre de caractères, les caractères autorisés, et ainsi de suite. Voir ci-dessous le mot d'ancrage « REPORT » en bleu et le numéro de rapport capturé en vert.
Le même type de contrat se présente souvent de manière identique, mais il suffit que l'un des contrats soit une photocopie, ou imprimé sur une autre imprimante, pour qu'il ne corresponde plus à un modèle de formulaire fixe, où les exigences de précision au millimètre près sont élevées. Un bon exemple de situation où cela se produit inévitablement est celui où vous publiez un PDF contenant, par exemple, un formulaire de demande pour une nouvelle émission d'actions, qui est ensuite téléchargé par diverses personnes et par la suite imprimé sur différentes imprimantes. Dans ce cas, la technologie de saisie de données flexible pour les formulaires semi-structurés est préférable.
Saisie de données par IA – alternative et complément à l'OCR classique
Les modèles d'IA d'interprétation d'images de ces dernières années nous ont apporté un complément puissant à l'OCR classique et à la saisie de données basée sur des modèles. Au lieu de repérer des mots d'ancrage à des positions fixes, l'IA lit la page davantage comme le ferait un humain – elle comprend le sens d'un champ à partir du contexte, même lorsque le formulaire ne ressemble pas à celui de la fois précédente. Cela nous permet de traiter des documents qui auraient auparavant exigé une saisie manuelle.
Quand la lecture par IA apporte le plus
- Formulaires sans modèle uniforme : lorsque chaque exemplaire reçu diffère légèrement et qu'aucun modèle fixe ne convient.
- Originaux difficiles à lire : photocopies, copies de copies, numérisations de travers, impressions pâles et documents anciens.
- Mentions manuscrites : champs remplis à la main, notes en marge et lignes de signature que l'OCR traditionnelle ne gère pas.
- Champs qui exigent de la compréhension : distinguer un numéro d'identité personnel d'un numéro d'organisation, trouver la bonne date parmi plusieurs, ou déterminer lequel des deux numéros figurant sur la page est le numéro de contrat.
L'IA comme relecteur des données saisies par OCR
L'usage le plus important chez nous est peut-être celui de l'IA comme deuxième paire d'yeux. Une fois les données saisies par OCR ou par une technique de capture, nous faisons relire par l'IA chaque donnée incertaine directement sur l'image numérisée, puis nous la comparons à ce qui a été enregistré dans la base. Nous détectons ainsi précisément les erreurs les plus difficiles à repérer par des moyens automatiques : le chiffre 1 lu comme la lettre l ou I, le 0 comme O, ainsi que les mots accolés ou tronqués.
Nous avons mis en place ce contrôle précisément pour le type de champs courts que contiennent les formulaires – numéros, dates et montants, mais aussi noms, adresses e-mail et textes libres courts. Chaque donnée incertaine est vérifiée sur l'image d'origine avant la livraison.
Toujours vérifié sur l'image d'origine
Un modèle d'IA peut se tromper, et une supposition qui paraît plausible est plus dangereuse qu'une erreur d'OCR manifeste. C'est pourquoi nous n'utilisons jamais la lecture par IA sans contrôle. Chaque donnée est validée à la fois de façon déterministe selon des règles que nous définissons – nombre de caractères, caractères autorisés, chiffre de contrôle, recherche dans un registre – et visuellement sur l'image numérisée. Ce qui ne peut pas être confirmé sur l'image passe en révision manuelle.
De plus, la saisie de données par IA est souvent combinée à un dernier tour au cours duquel je parcours moi-même les résultats en les comparant à l'image, de mes propres yeux. La validation automatique et le contrôle par IA détectent l'essentiel, mais c'est lors de ce dernier passage que les rares erreurs inhabituelles ont tendance à apparaître. C'est aussi pour cela que j'ose promettre une précision aussi élevée sur ce type de mission.
Nous choisissons la technique selon le matériel
Technique de formulaire fixe, saisie flexible et lecture par IA ne s'excluent pas – nous les combinons souvent au sein d'une même mission et laissons chaque technique faire ce qu'elle réussit le mieux. N'hésitez pas à nous envoyer quelques pages d'exemple, par exemple des photos prises au téléphone, et nous reviendrons vers vous avec une proposition d'approche et un prix.