OCR (reconnaissance optique de caractères)

La reconnaissance optique de caractères lit les caractères présents dans une image et produit du texte. En comptabilité, c'est la première étape du traitement d'un reçu papier ou d'un PDF sans couche de données : l'image est redressée et nettoyée, le texte est reconnu, puis un modèle d'extraction identifie le fournisseur, la date, le numéro de facture, le numéro de TVA, les montants hors taxes et toutes taxes comprises, ainsi que la ventilation de la TVA.

L'extraction moderne combine l'OCR avec des modèles de langage qui comprennent la mise en page et le sens d'un document, ce qui gère bien mieux les différentes langues, devises et formats que des modèles fixes. La précision dépend de l'image : une photo nette et bien éclairée du document entier fonctionne ; un ticket thermique froissé ou décoloré, non. Les factures électroniques structurées rendent l'OCR inutile car les données arrivent au format XML. Kontevia extrait les documents reçus par chat, e-mail ou téléversement et demande à l'utilisateur de confirmer tout élément incertain.