Fiches techniques PDF transformées en base produits structurée
Les caractéristiques des produits sont enfermées dans des fiches techniques PDF, recopiées à la main dans la base produits ou sur le site. Une extraction contrôlée préparerait chaque fiche produit, et une personne relirait les valeurs avant publication.
Cas d’usage illustratif. Il décrit un problème que l’on rencontre souvent et ce que nous pourrions construire pour y répondre. Ce n’est pas une réalisation client : aucun résultat n’est annoncé.
La situation de départ
L’entreprise vend des milliers de références techniques. Pour chaque produit, le fabricant fournit une fiche technique en PDF : dimensions, poids, matériaux, performances, indice de protection, certifications, parfois plusieurs variantes dans le même document. Pour alimenter la base produits, le site ou les catalogues, quelqu’un ouvre chaque PDF et recopie les valeurs une par une. Certains fabricants envoient aussi des fichiers structurés, la plupart non.
Le problème concret
La saisie est longue, et les fiches s’accumulent plus vite qu’on ne les traite. Un chiffre recopié de travers, ou une unité confondue (des watts pour des kilowatts, des millimètres pour des centimètres), met une fausse caractéristique devant les clients. Les tableaux sur plusieurs pages et les fiches à variantes sont les plus difficiles à recopier sans erreur. Chaque personne nomme les caractéristiques à sa façon, donc la base devient incohérente et les filtres du site fonctionnent mal.
Ce qui pourrait être construit
- Une liste des caractéristiques attendues par famille de produits, avec leur unité, alignée quand c’est possible sur une classification reconnue comme ETIM.
- La lecture de chaque fiche PDF pour en extraire ces caractéristiques, variante par variante, avec la page d’où vient chaque valeur.
- Des contrôles automatiques : unité attendue, valeur dans une fourchette plausible pour la famille, champ obligatoire manquant, variantes incohérentes entre elles.
- Un écran de relecture qui affiche la fiche PDF à côté des valeurs extraites, avec les champs incertains mis en évidence.
- L’envoi des fiches validées vers la base produits ou l’outil qui alimente le site et les catalogues.
Ce qui changerait pour l’équipe
- Les fiches produits sont préparées au lieu d’être saisies de zéro.
- Toutes les fiches d’une famille suivent la même structure et les mêmes unités, ce qui améliore la recherche et les filtres.
- Chaque valeur publiée peut être retrouvée dans le document d’origine.
- La relecture se concentre sur les champs signalés et sur les valeurs sensibles.
Ce qui reste sous contrôle humain
- La validation de chaque fiche avant publication.
- Les valeurs liées à la sécurité ou à la réglementation : certifications, indices de protection, conformités.
- Les fiches ambiguës ou incomplètes, et les questions à poser au fabricant.
- Le choix de la classification et des caractéristiques retenues pour chaque famille.
Pour aller plus loin
L’article Extraction de documents par IA : garder la validation humaine explique comment organiser la relecture des valeurs extraites. Pour les tarifs, qui arrivent souvent avec les fiches, voir Tarifs fournisseurs : les contrôles à faire avant l’import dans l’ERP.