De la production réelle, pas un jeu de démonstration.
Les documents sont des scans de flux fournisseurs et transporteurs réels, dans toute leur variété : scans dégradés ou penchés, annotations manuscrites (3 899 documents signalés), lettres de voiture internationales en langue étrangère (1 475), tampons et copies carbone. Ils sont traités sur le serveur installé chez le client depuis le 1er septembre 2026. Les visuels publiés sur ce site sont des spécimens synthétiques : aucun document réel n’est montré.
Documents traités sans intervention humaine.
Ce taux monte avec l’usage. Chaque validation ou correction humaine est un verdict horodaté qui apprend le format au système : un verdict ré-arbitre immédiatement les documents du même format encore en attente — 197 documents par verdict en médiane ; le 1er septembre, 11 verdicts ont validé 1 022 documents d’un coup. Les 1,4 % « validés après correction » sont exactement cela : quelques dizaines de corrections humaines, 2 819 documents appris. En audit, 1,5 % des documents validés automatiquement sont resservis à une personne.
Contre une vérité humaine, champ par champ.
Règle de comptage : un champ est juste si sa valeur, une fois normalisée (casse, accents, espaces, date en ISO), est identique à celle établie par un annotateur humain. Trois niveaux sont publiés, du plus exigeant au plancher.
1 · Documents validés automatiquement, jeu de recette à vérité humaine (septembre 2026)
| Champ | Exactitude | Documents |
|---|---|---|
| Émetteur | 99,4 % | 336 documents |
| Date | 98,9 % | 285 documents |
| Numéro de document | 94,4 % | 285 documents |
| Cœur entier (numéro + date + émetteur justes ensemble) | 92,9 % | 336 documents |
Le type de document est mesuré à part : la taxonomie de l’annotateur étant plus fine que celle du moteur, l’écart relève du vocabulaire, pas de la lecture. Simulation de l’exactitude finale sur l’ensemble du flux, politique stricte : 95,0 % (± 0,8) sur 700 documents.
2 · Émetteurs jamais vus à l’apprentissage (1 000 documents, 127 émetteurs, juillet 2026)
| Champ | Exactitude |
|---|---|
| Numéro de document | 96,4 % |
| Date | 97,2 % |
| Émetteur | 87,7 % en lecture seule · 97,9 % après la couche de résolution |
3 · Plancher : le service de lecture seul, sans mémoire des formats ni résolution (63 838 documents, juillet 2026)
| Champ | Exactitude |
|---|---|
| Numéro de document | 97,7 % |
| Date | 97,5 % |
| Type de document | 95,3 % |
| Émetteur | 94,3 % |
| Destinataire | 94,2 % |
Sur le sous-ensemble propre de ce balayage (38 849 documents), les quatre champs numéro, type, date et émetteur sont justes ensemble sur 90,6 % des documents.
Sur le déploiement de base, chez le client.
Configuration de base : un serveur Ubuntu, 12 cœurs, 64 Go de mémoire, une carte graphique de classe serveur, base de données sur le même serveur, aucune connexion entrante. Une indisponibilité du service de lecture ne perd rien : les documents attendent et sont rattrapés au redémarrage.
Le seul chiffre qui compte : celui sur vos documents.
Quelques centaines de documents réels, dans la variété de vos flux : vos gros fournisseurs et vos petits, les propres et les abîmés.
Mêmes champs, même règle de comptage, même seuil de confiance. Résultats champ par champ, avec la liste des cas envoyés en validation.
Le pilote fixe l’objectif chiffré du lancement. Si vos documents ne s’y prêtent pas, on vous le dit avant, pas après.
Sur la mesure.
Pourquoi publier tout cela plutôt qu’un simple pourcentage ?
Parce qu’un pourcentage seul ne dit ni quels champs, ni quels documents, ni combien de validations humaines. Deux moteurs annoncés « à 99 % » peuvent se comporter très différemment sur les émetteurs inconnus ou les scans abîmés. La méthode rend le chiffre comparable et vérifiable — et c’est celle qu’on rejoue sur vos documents.
Quelle est la différence entre « documents validés » et « exactitude » ?
Le premier mesure ce que vit l’exploitation : la part des documents qui traversent la chaîne — sans intervention, ou validés en lot après qu’une personne a corrigé un format une fois. Le second mesure, champ par champ, si la valeur extraite est identique à la vérité établie par un annotateur humain. Les deux sont publiés ; ni l’un ni l’autre ne suffit seul.
Les mesures sont-elles faites sur des documents jamais vus ?
Oui, pour deux jeux : 1 000 documents de 127 émetteurs absents de l’apprentissage, et un jeu de recette de 697 documents à vérité humaine. Le balayage de 63 838 documents mesure le plancher du service de lecture seul sur tout le flux.
Que se passe-t-il sur les champs incertains ?
Chaque champ porte un niveau de confiance ; en dessous du seuil, le document est validé avec réserve ou envoyé à une personne. Le principe est de ne jamais deviner en silence : une erreur signalée coûte une validation, une erreur silencieuse coûte un litige. Chaque correction humaine ré-arbitre immédiatement les documents du même format encore en file.
Puis-je faire le test avec mes propres bons de livraison ?
Oui. Envoyez-nous un échantillon représentatif — quelques centaines de documents suffisent — et on vous rend les résultats champ par champ, avec les cas envoyés en validation. C’est le point de départ de tout projet.
Publiez-vous la vitesse de traitement ?
Oui : 10 216 documents par heure en moyenne sur une campagne complète, 7 788 en régime établi instantané, sur le déploiement de base installé chez le client (un serveur, une carte graphique de classe serveur).