Le problème : une pièce scannée n'est pas une pièce vide
Un règlement imprimé puis numérisé, une annexe tamponnée ou la photo d'un bordereau ne contiennent aucune couche texte. Un outil qui ne lit que le texte natif conclut à tort que la pièce est vide, et la décision se prend sans les exigences qu'elle contenait.
Le risque inverse existe aussi : une lecture OCR bruitée peut produire un texte plausible mais erroné. Il faut donc savoir quelle méthode a produit le texte, avec quelle fiabilité, et si le document a été lu en entier.
Comment chaque pièce est lue et qualifiée
Chaque pièce est d'abord extraite depuis sa couche texte. Si le résultat est vide ou trop court pour être exploitable, la tentative est considérée comme un échec et l'OCR prend le relais. Chaque tentative est enregistrée avec sa méthode, native ou OCR, et son statut.
L'OCR enregistre une confiance de reconnaissance moyenne ; sous un seuil défini, la pièce est marquée comme lue avec une faible confiance. Le nombre de pages traitées par OCR est plafonné : une pièce plus longue est marquée comme tronquée au lieu d'être présentée comme complète.
- Méthode d'extraction native ou OCR
- Confiance OCR enregistrée
- Pièce tronquée signalée
- Langue détectée par pièce
- Réserves conservées à l'export
Scénario : une annexe technique numérisée
Un acheteur publie un cahier des charges lisible et une annexe technique scannée. L'extraction native de l'annexe ne renvoie rien d'exploitable ; l'OCR la lit, mais la qualité du scan donne une confiance faible. L'inventaire des documents affiche l'annexe avec son statut d'extraction, sa langue détectée et cet indicateur de qualité.
La vue d'ensemble explique une seule fois que la décision repose en partie sur un texte reconnu par OCR, et les exigences concernées renvoient vers la pièce. Une autre pièce, réservée aux fournisseurs connectés sur la plateforme de l'acheteur, apparaît comme une tâche avec la raison d'accès et un bouton pour déposer le fichier récupéré.
Ce que l'OCR ne garantit pas
La qualité de l'OCR dépend du scan : résolution, inclinaison, tampons ou écriture manuscrite dégradent la reconnaissance. Les langues reconnues se limitent aux jeux de langues livrés avec la plateforme ; une langue non couverte est signalée plutôt que devinée.
Un fichier illisible ou protégé est rapporté comme tel, jamais traité silencieusement comme vide. Une lecture à faible confiance reste un indice, pas une preuve : les passages concernés doivent être vérifiés par une personne sur le document original avant tout engagement.
FAQ
Toutes les pièces passent-elles par l'OCR ?
Non. L'extraction native est tentée d'abord ; l'OCR n'intervient que lorsqu'elle ne produit rien d'exploitable, typiquement pour un scan ou une image.
Comment savoir si une pièce a été lue en entier ?
L'inventaire des documents indique le statut d'extraction et les indicateurs de qualité. Une pièce dont toutes les pages n'ont pas été traitées par OCR est marquée comme tronquée.
Que devient un document réservé aux fournisseurs connectés ?
Il apparaît comme une tâche avec la raison d'accès et le lien vers la source. Une fois le fichier déposé, la pièce est affichée comme jointe et en attente d'extraction. La détection et les alertes ne sont pas bloquées pour autant.