Extraction de documents par IA : garder la validation humaine

Une facture fournisseur arrive en PDF. Un outil d’IA la lit en quelques secondes et propose le fournisseur, le numéro, la date, le montant, l’IBAN. C’est pratique. Mais si l’IBAN a changé depuis la dernière facture, est-ce une erreur de lecture, un vrai changement de banque, ou une tentative de fraude ? L’outil ne le sait pas. Il faut que quelqu’un le regarde.

C’est tout le sujet de l’extraction de données par IA : profiter de sa vitesse sur les documents simples, sans laisser passer ce qui compte. Tout relire rendrait l’IA inutile. Tout laisser passer serait imprudent. Le travail consiste à organiser la relecture pour que seules les exceptions arrivent jusqu’à une personne.

Ce que l’IA lit bien, et ce qu’elle lit mal

Sur des documents dactylographiés et réguliers, les outils actuels font du bon travail pour :

• reconnaître le type de document (facture, bon de livraison, attestation, pièce d’identité) ;
• relever les informations d’en-tête : émetteur, numéro, date, montant total ;
• résumer un document long ;
• signaler qu’un document attendu manque ou n’est pas celui qu’on attendait.

Ils sont nettement moins fiables sur :

• l’écriture manuscrite et les scans de mauvaise qualité ;
• les tableaux, surtout quand ils s’étalent sur plusieurs pages, et les lignes de détail d’une facture ;
• les documents ambigus : une facture pro forma ou une facture définitive, une attestation en cours de validité ou expirée.

Il y a aussi un défaut propre aux modèles génératifs : ils peuvent produire une valeur plausible qui ne figure nulle part dans le document. C’est pour cela que chaque valeur extraite devrait renvoyer à l’endroit du document d’où elle vient. Si on ne peut pas montrer où elle est écrite, elle n’est pas fiable.

Méfiez-vous enfin des taux de réussite annoncés. Un « 99 % » ne dit pas s’il s’agit de champs ou de documents entiers, ni sur quels documents il a été mesuré. Le seul chiffre qui compte est celui que vous mesurerez sur vos propres documents.

La machine prépare, une personne tranche les exceptions

Le bon principe est simple : l’outil prépare tout, une personne ne regarde que ce qui mérite de l’être. Un document part en relecture quand :

• l’outil n’est pas sûr de lui sur un champ ;
• un contrôle métier échoue ;
• un champ obligatoire manque ;
• le document touche à quelque chose de sensible, quelle que soit la confiance de l’outil.

Les autres passent, avec une trace, et un échantillon est vérifié de temps en temps.

Seuils de confiance et champs toujours vérifiés

La plupart des outils d’extraction donnent un score de confiance par champ. Microsoft le dit dans la documentation de son service de lecture de documents : quand la précision est critique, ce score peut servir à décider d’accepter automatiquement une valeur ou de l’envoyer en relecture humaine. La même page précise que tous les champs ne renvoient pas de score.

Deux précautions :

• Un score de confiance n’est pas une garantie. C’est une estimation statistique. Une valeur lue avec assurance peut être fausse.
• Certains champs se vérifient toujours, quel que soit le score. Un changement de coordonnées bancaires, un montant au-dessus d’un seuil fixé par vous, une date d’échéance ou d’expiration, un identifiant légal comme le SIRET ou le numéro de TVA.

Les seuils se règlent par champ et par type de document, pas une fois pour toutes. On commence prudemment, on regarde ce que les relecteurs corrigent, puis on ajuste.

Croiser avec ce que vous savez déjà

Avant de demander à une personne, demandez à vos propres données. Beaucoup d’erreurs se repèrent par simple comparaison :

• la facture correspond-elle au bon de commande et au bon de livraison ?
• l’IBAN est-il celui enregistré pour ce fournisseur ?
• la somme des lignes donne-t-elle le total ?
• les dates sont-elles cohérentes entre elles ?
• le nom sur le justificatif est-il celui du dossier ?

Ces contrôles fonctionnent sans IA, et attrapent aussi bien une erreur de lecture qu’une erreur du document lui-même.

L’écran de relecture et la traçabilité

La relecture doit être rapide, sinon elle sera bâclée. Un bon écran montre le document d’origine à côté des valeurs extraites, met en évidence les champs signalés, et propose trois actions : accepter, corriger, refuser.

Côté traçabilité, gardez :

• le document d’origine, toujours relié à la fiche ;
• les valeurs extraites telles quelles ;
• les corrections apportées ;
• qui a validé, et quand ;
• l’outil ou la version de modèle utilisée.

Attention au tampon automatique. Quand un outil a raison neuf fois sur dix, on finit par valider sans regarder. Le règlement européen sur l’IA a même un nom pour ce risque : le « biais d’automatisation », la tendance à se fier trop à la sortie d’un système. Deux parades simples : suivre le taux de corrections (s’il tombe à zéro, la relecture est peut-être devenue fictive) et revérifier de temps en temps des documents acceptés automatiquement.

Ce que disent le RGPD et le règlement sur l’IA

Sans entrer dans le détail juridique, trois repères.

Le RGPD. Son article 22 donne à une personne le droit de ne pas faire l’objet d’une décision fondée exclusivement sur un traitement automatisé, quand cette décision produit des effets juridiques ou l’affecte de manière significative. Quand une telle décision est permise, la personne doit au moins pouvoir obtenir une intervention humaine. Les autorités européennes de protection des données ont précisé qu’une intervention humaine de façade ne suffit pas.

Le règlement européen sur l’IA. L’obligation de contrôle humain de son article 14 vise les systèmes « à haut risque ». Lire des factures n’en fait pas partie en soi. Mais la liste des usages à haut risque comprend par exemple le tri de candidatures ou l’évaluation de la solvabilité d’une personne : un circuit de documents qui alimente ce genre de décision change de catégorie. Le règlement a été modifié en juillet 2026, et ces obligations pour les usages à haut risque de cette liste s’appliquent à partir du 2 décembre 2027. Enfin, les entreprises qui utilisent des systèmes d’IA doivent prendre des mesures pour former leur personnel à ces outils.

La CNIL. Dans ses recommandations sur le déploiement de l’IA générative, elle conseille de partir d’un besoin précis, de définir les usages autorisés et interdits (par exemple ne pas y mettre de données personnelles, ou ne pas lui confier de décision), et de vérifier ce que le fournisseur fait des données transmises.

Quand ne pas utiliser l’IA

• Le volume est très faible. Saisir dix documents par mois coûte moins cher que mettre en place et surveiller un circuit.
• Le document sert à une décision importante sur une personne. Embauche, crédit, logement : l’IA peut aider à classer, la décision reste humaine et doit pouvoir s’expliquer.
• Une seule erreur est inacceptable et vous vérifierez tout de toute façon. Dans ce cas, l’IA ajoute une étape sans en retirer.
• Les données sont sensibles et rien n’encadre leur envoi. Pas de base légale claire, ou un fournisseur qui peut réutiliser ce que vous lui envoyez.
• Le document est déjà structuré. Un export de logiciel ou un fichier au format standard se lit sans IA, de manière plus sûre.

Deux exemples

Dans un dossier qui exige plusieurs pièces justificatives, l’IA peut reconnaître chaque document, le ranger et repérer ce qui manque, pendant qu’une personne vérifie les cas douteux et décide que le dossier est complet. C’est le cas d’usage des pièces justificatives classées et relancées. Pour des fiches techniques en PDF, où une erreur d’unité se retrouverait sur un site public, voir les fiches techniques transformées en base produits.

Côté réalisations, la fiche prospect tirée des appels applique une règle que nous recommandons partout : une information absente de la source est notée « non mentionnée », jamais devinée.

Si vous avez des documents qui s’entassent et que vous vous demandez ce que l’IA pourrait en faire, parlons-en. La réponse sera parfois « pas grand-chose », et c’est utile à savoir aussi.

Sources

• Microsoft Learn, Interpret and improve model accuracy and confidence scores, documentation d’Azure Document Intelligence.
• CNIL, Règlement européen, chapitre 3 (article 22 du RGPD) et Profilage et décision entièrement automatisée.
• Groupe de travail « Article 29 », Lignes directrices relatives à la prise de décision individuelle automatisée et au profilage (WP251).
• Commission européenne, AI Act Service Desk, article 14 et annexe III.
• Règlement (UE) 2026/1744 du 8 juillet 2026 modifiant le règlement sur l’IA (nouvelles dates d’application, article 4 sur la maîtrise de l’IA), EUR-Lex.
• CNIL, Comment déployer une IA générative ? La CNIL apporte de premières précisions, 18 juillet 2024.