La promesse de l'OCR facture tient en une phrase : plus personne ne retape un numéro de commande, une date d'échéance ou un montant hors taxes. En PME, la réalité est plus nuancée. La difficulté ne se situe plus dans la reconnaissance du texte, devenue excellente, mais dans le traitement des résultats incertains. Voici ce qui a changé en 2026, ce que la facturation électronique retire du périmètre, et la méthode pour automatiser la saisie sans simplement déplacer le travail.

De la reconnaissance de texte à la lecture structurée

Un OCR classique rendait du texte. Les moteurs actuels rendent une structure. Le modèle de facture prédéfini d'Azure AI Document Intelligence extrait les champs clés et les lignes de détail de factures de vente, de factures de services et de bons de commande, quelle que soit la maquette, et retourne un objet JSON exploitable. La documentation Microsoft, mise à jour le 15 août 2026, indique une prise en charge de 27 langues et accepte aussi bien une photo prise au téléphone qu'un scan ou un PDF natif.

Chez les modèles plus récents, la granularité augmente encore. Mistral a publié OCR 4 le 23 juin 2026 avec des boîtes englobantes, une classification des blocs (titres, tableaux, signatures) et des scores de confiance par page et par mot, sur 170 langues, dans un modèle assez compact pour tourner dans un seul conteneur auto-hébergé. Le système ne dit donc plus seulement ce que le document contient, mais où se trouve l'information et à quel point il en est sûr. C'est précisément ce qui rend une automatisation industrialisable.

Ce que la facturation électronique retire du périmètre

Avant de lancer un projet, il faut regarder le calendrier réglementaire. Depuis le 1er septembre 2026, toutes les entreprises assujetties à la TVA en France doivent être en mesure de recevoir des factures électroniques via une plateforme agréée, et les grandes entreprises ainsi que les entreprises de taille intermédiaire doivent en émettre. Les PME et microentreprises suivent au 1er septembre 2027.

Conséquence directe : la facture fournisseur française entre professionnels arrivera de plus en plus avec ses données déjà structurées. Construire un dispositif d'extraction lourd sur ce flux précis revient à investir sur un problème en voie d'extinction.

Ce qui reste est massif : bons de livraison, bons de commande clients reçus en PDF, devis signés, notes de frais, documents de transport, factures de fournisseurs étrangers hors périmètre français et archives à reprendre. La bonne question n'est donc pas « faut-il un OCR ? » mais « sur quel flux documentaire, et pour combien de temps ? ».

Le score de confiance est le coeur du dispositif

Un modèle ne dit jamais spontanément qu'il ne sait pas. Il rend une valeur assortie d'un indice de confiance. Toute la qualité d'une automatisation documentaire tient à la façon dont on exploite cet indice, en découpant le flux en trois zones.

  • Au-dessus du seuil haut : écriture automatique dans l'application métier, sans intervention.
  • Zone intermédiaire : mise en file de validation, avec la zone du document surlignée à l'écran pour que la vérification prenne quelques secondes et non plusieurs minutes.
  • En dessous du seuil bas : rejet et traitement manuel complet, avec journalisation du motif.

Ces seuils se calibrent champ par champ sur un échantillon relu à la main : le seuil acceptable pour un libellé de ligne n'est pas celui d'un montant à payer. Et un contrôle métier vaut souvent mieux qu'un seuil statistique. Le total correspond-il à la somme des lignes ? La TVA est-elle cohérente avec le taux appliqué ? Le fournisseur existe-t-il dans le référentiel ? Le document se rapproche-t-il d'une commande ouverte ? Un document qui passe ces quatre tests est fiable même avec une confiance moyenne.

Les contraintes que l'on découvre trop tard

Les projets d'extraction documentaire échouent rarement sur le modèle et souvent sur les entrées. La documentation Microsoft donne des repères utiles avant de s'engager : la hauteur minimale de texte exploitable est de 12 pixels sur une image de 1 024 x 768 pixels, soit environ 8 points de texte à 150 points par pouce. Les PDF et TIFF sont traités jusqu'à 2 000 pages, la taille de fichier est plafonnée à 500 Mo sur le niveau payant, et un PDF protégé par mot de passe doit être déverrouillé avant envoi. Détail qui coûte cher en recette : le retour des paires clé-valeur est désactivé par défaut.

Traduit en langage de terrain : le copieur du couloir réglé en basse résolution, la photo prise de travers dans un atelier et le PDF « imprimé en image » produiront des résultats médiocres quel que soit le moteur. Le gain le plus rentable est souvent en amont, en obtenant le PDF natif par courriel plutôt que la version papier scannée.

Ce que cela coûte, et où part réellement l'argent

Les tarifs publics donnent le premier ordre de grandeur. Mistral annonce OCR 4 à 4 dollars pour 1 000 pages via l'API, 2 dollars en traitement par lots, et 5 dollars pour 1 000 pages sur son offre Document AI (tarifs publiés par l'éditeur le 23 juin 2026). Pour une PME qui traite 2 000 documents par mois, la facture d'extraction se compte en dizaines d'euros.

Le coût n'est donc pas là. Il est dans le temps de validation des cas intermédiaires, dans la maintenance de la correspondance entre les champs extraits et le modèle de données de l'application, et dans la reprise des erreurs passées en production. L'indicateur à suivre n'est pas le prix par page mais le coût complet par document traité, temps humain inclus, comparé au coût de la saisie actuelle. Dernier point souvent décisif : quand les documents ne doivent pas quitter l'organisation, l'auto-hébergement en conteneur redevient une option crédible, à mettre en balance avec la charge d'exploitation associée.

Mettre en production sans créer un nouveau goulot

  1. Un seul type de document, un seul flux. Les bons de livraison fournisseurs, par exemple, et rien d'autre pour commencer.
  2. Un jeu d'épreuve de 100 à 200 documents réels, incluant volontairement les cas difficiles : scan de travers, document à quarante lignes, avoir, devise étrangère, tampon manuscrit. En phase de test, les données personnelles sont fictives ou anonymisées.
  3. Une mesure champ par champ : taux d'extraction correcte, part envoyée en validation humaine, et taux d'erreur passée en production. Ce dernier chiffre est le seul qui engage réellement.
  4. L'écriture en dernier. Le branchement vers l'application métier n'intervient qu'après les contrôles de cohérence, avec une règle d'idempotence : un même document traité deux fois ne doit jamais créer deux écritures.
  5. Une file de validation avec un propriétaire nommé, un délai de traitement annoncé et une alerte si elle s'allonge. Sans cela, l'automatisation devient un entonnoir invisible.

Trois erreurs qui reviennent

  • Juger le moteur sur une démonstration réalisée avec de belles factures bien cadrées, puis découvrir le vrai courrier entrant.
  • Laisser le modèle décider. Le modèle lit, le processus applique les règles de gestion. Un moteur de lecture documentaire n'est pas un outil de décision, et ses éditeurs le disent eux-mêmes.
  • Oublier le cycle de vie. Un nouveau fournisseur, une maquette de document modifiée, et la qualité se dégrade sans que personne ne le remarque. Un contrôle mensuel sur un échantillon suffit à l'éviter.

L'automatisation documentaire est aujourd'hui une brique mûre, à condition de la traiter comme un sujet de processus et non comme un sujet de modèle. Savoir sur quel flux elle est rentable chez vous relève du cadrage que nous menons dans nos projets d'automatisation des tâches métier.

Questions fréquentes

Faut-il encore un OCR de factures avec la facturation électronique ?

Pour les factures entre entreprises françaises, l'intérêt diminue nettement puisque les données arrivent déjà structurées via une plateforme agréée depuis le 1er septembre 2026 en réception. La lecture automatique reste en revanche indispensable pour les bons de livraison, les commandes clients en PDF, les fournisseurs étrangers et les archives.

Quel taux de reconnaissance peut-on espérer ?

Aucun chiffre générique n'a de valeur : le résultat dépend de vos documents et de leur qualité de numérisation. La seule mesure fiable consiste à rejouer un jeu de 100 à 200 documents réels, champ par champ, et à comparer le taux d'erreur passée en production au coût actuel de la saisie.

Combien coûte l'OCR d'une facture ?

Le prix catalogue de l'extraction est faible : Mistral publiait le 23 juin 2026 un tarif de 4 dollars pour 1 000 pages via son API, et 2 dollars en traitement par lots. Le budget réel d'un projet se concentre sur l'intégration à l'application métier et sur le temps de validation des cas incertains.

Peut-on traiter les documents sans les envoyer dans le cloud ?

Oui. Plusieurs moteurs récents se déploient dans un conteneur sur votre propre infrastructure, ce qui permet de garder les documents en interne pour des raisons de confidentialité ou de souveraineté. Il faut alors intégrer la charge d'exploitation et de mise à jour dans le calcul.

Combien de temps pour mettre en place une lecture automatique de documents ?

Sur un flux unique et bien délimité, un pilote mesurable se construit en quelques semaines. L'essentiel du délai vient de la constitution du jeu d'épreuve, du calibrage des seuils et des contrôles métier, pas du branchement technique du moteur.

Parlons de votre projet : nous regardons ensemble quels documents entrants vous coûtent le plus de temps et si leur traitement automatique est rentable.