Glossaire IA · Intégration
OCR
En une phrase
L'OCR (reconnaissance optique de caractères) est la technologie qui convertit le texte présent dans une image, un PDF scanné ou une photo en texte numérique modifiable, consultable et exploitable. Avec l'IA, il comprend aussi la structure du document.
Autres noms: reconnaissance optique de caractères · optical character recognition · lecture automatique de documents · numérisation en texte
Qu’est-ce que l’OCR ?
Pour un ordinateur, un PDF scanné ou la photo d’une facture ne sont que des pixels. Il voit une image, pas des lettres. L’OCR règle ce problème : il repère le texte dans l’image et le transforme en caractères que l’on peut copier, rechercher ou intégrer dans une base de données.
Passez à la pratique
L'IA d'UTIO, par API
Dès 29 €/mois + TVA
Pour les développeurs et les agences qui construisent leurs propres produits.
Découvrir l'API d'IALa technologie existe depuis des décennies, mais l’IA l’a fait changer de niveau. L’OCR traditionnel reconnaissait lettre par lettre et se perdait dans les tableaux, les colonnes ou les papiers froissés. Les modèles actuels, fondés sur la vision par ordinateur et parfois sur des modèles multimodaux, lisent le document en entier et en comprennent la structure : ce qui est un en-tête, ce qui est un tableau de lignes et quel montant est le total.
En lien avec ce terme
API d'IA
- Transcription, voix, texte, image, OCR et embeddings
- Clés par client avec plafond de dépense
- Porte-monnaie prépayé : recharge minimale de 50 €
Dès 29 €/mois + TVA Compte avec panneau, plus la consommation
Découvrir l'API d'IAComment ça marche
- Préparer l’image. Redresser, recadrer, améliorer le contraste et supprimer les ombres.
- Détecter. Repérer les blocs de texte, les lignes, les tableaux et les cases.
- Reconnaître. Convertir chaque zone en texte. Les modèles neuronaux s’appuient sur le contexte : un caractère douteux dans la colonne des montants est sans doute un chiffre, pas une lettre.
- Structurer. Renvoyer un résultat organisé, par exemple en JSON avec fournisseur, date, montant HT, TVA et total, prêt à être transmis à un autre système via une API.
Comme le speech to text transforme la voix en texte, l’OCR transforme l’image en texte. Dans les deux cas, c’est la porte d’entrée qui permet à un modèle de langage de travailler sur des informations qui ne sont pas arrivées sous forme écrite.
Exemple
Un distributeur de boissons près de Nantes reçoit chaque jour des dizaines de bons de livraison signés, que les chauffeurs prennent en photo avec leur téléphone. Avant, une personne de l’administration saisissait client, date et quantités livrées. Désormais, un système d’OCR lit chaque photo, extrait ces champs et les rapproche de la commande. Seuls les bons avec des écarts ou une signature illisible passent en vérification. C’est un cas typique d’automatisation IA : l’IA lit, les règles décident et la personne traite les exceptions.
L’OCR chez UTIO
L’API d’IA d’UTIO inclut l’OCR : factures, bons de livraison et formulaires scannés convertis en texte structuré. Il s’utilise avec la même clé que les autres capacités de l’API, comme la transcription, la synthèse vocale, le texte, l’image et les embeddings : vous pouvez enchaîner les étapes avec un seul fournisseur, lire un document, le résumer et enregistrer le résultat dans le CRM d’UTIO.
Chaque clé naît dans le panneau avec son plafond de dépense et sa limite de requêtes, utile quand vous traitez des documents par lots. La référence complète des paramètres et formats se trouve dans le panneau.
Questions fréquentes
OCR et extraction de données, quelle différence ?
L'OCR classique renvoie le texte tel qu'il apparaît. L'extraction de données va plus loin : elle comprend que « Total » va avec 1 250,00 et que la date en haut est la date d'émission, puis renvoie des champs structurés. Beaucoup de solutions combinent aujourd'hui les deux.
L'OCR lit-il l'écriture manuscrite ?
Les systèmes actuels lisent assez bien une écriture manuscrite soignée, mais se trompent plus qu'avec du texte imprimé. Pour des formulaires remplis à la main, vérifiez les champs clés ou demandez d'écrire en majuscules.
Quelle qualité d'image faut-il ?
La meilleure possible : bonne lumière, document à plat, sans ombre, avec une résolution suffisante pour que les petits caractères restent lisibles en zoomant. Une photo de travers prise au téléphone fonctionne souvent, mais avec plus d'erreurs sur les chiffres et les petits caractères.
Termes associés
- Vision par ordinateur
La vision par ordinateur est la branche de l'IA qui permet à un système d'interpréter images et vidéos : reconnaître des objets, lire du texte, détecter des défauts ou décrire une scène. Elle repose surtout sur des réseaux de neurones entraînés sur de nombreuses images.
- API
Une API (interface de programmation d'application) est un ensemble de règles qui permet à un logiciel de demander des données ou une action à un autre : vous envoyez une requête au format convenu et recevez une réponse, sans savoir comment l'autre est construit.
- Automatisation IA
L'automatisation IA consiste à confier à des modèles d'intelligence artificielle des tâches qui demandaient un jugement humain, comme lire un message, comprendre la demande et choisir l'étape suivante, au lieu de répéter des étapes fixées à l'avance.
- Modèle multimodal
Un modèle multimodal est un modèle d'IA capable de recevoir ou de produire plusieurs types de données, comme du texte, des images, du son ou de la vidéo, et de les relier entre eux. Il peut par exemple lire la photo d'une facture et répondre à des questions dessus.
Mis à jour le