Cas d'usage de Document AI

Des applications concrètes dans chaque industrie

Document AI ne se limite pas à extraire du texte. La combinaison OCR + Annotations + QnA ouvre des possibilités dans pratiquement tous les secteurs d’activité. Dans cette leçon, vous découvrirez les cas d’usage les plus courants, classés par industrie.

Finance & Banque : KYC automatisé

Le processus Know Your Customer (KYC) est l’un des cas les plus demandés. Voici le workflow typique :

1. Scan des pièces d’identité : passeport, carte d’identité, permis de conduire
2. Extraction OCR : nom, prénom, date de naissance, numéro de document
3. Annotations structurées : validation des champs via un schéma Pydantic
4. Vérification croisée : comparaison automatique avec les bases de données internes
5. Archivage enrichi : document indexé et interrogeable via QnA

L’ensemble du processus, qui prenait des heures manuellement, se réduit à quelques secondes par document.

Santé : dossiers patients et ordonnances

Le secteur médical génère des volumes massifs de documents, souvent manuscrits. Document AI excelle sur :

• Les ordonnances manuscrites : reconnaissance de l’écriture du médecin, même dans des langues mixtes
• Les formulaires à cases à cocher : extraction des réponses booléennes (oui/non) avec une précision remarquable
• Les rapports médicaux : extraction de l’identité du patient, du diagnostic, des prescriptions

Le modèle est capable d’inférer qu’un champ est absent (par exemple, un numéro de téléphone non fourni) plutôt que de halluciner une valeur.

Juridique : analyse de contrats

Pour les cabinets d’avocats et les directions juridiques :

• Extraction de clauses : identifier automatiquement les clauses de résiliation, de non-concurrence, de confidentialité
• Due diligence : analyser des centaines de contrats lors d’une acquisition
• QnA contractuel : poser des questions en langage naturel sur un contrat spécifique

Comptabilité : traitement de factures

Le traitement automatisé de factures est l’un des cas d’usage les plus matures :

from pydantic import BaseModel, Field

class Facture(BaseModel):
    fournisseur: str = Field(..., description="Nom du fournisseur")
    numero_facture: str = Field(..., description="Numéro de la facture")
    date: str = Field(..., description="Date de la facture au format YYYY-MM-DD")
    montant_ht: float = Field(..., description="Montant hors taxes en euros")
    montant_ttc: float = Field(..., description="Montant TTC en euros")
    tva: float = Field(..., description="Montant de la TVA en euros")

Ce schéma, passé à l’API Annotations, extrait automatiquement les champs de chaque facture scannée.

Logistique : documents de transport

Les entreprises de logistique traitent des milliers de bons de livraison, lettres de voiture et documents douaniers chaque jour. Document AI permet :

• L’extraction automatique des informations expéditeur/destinataire
• La lecture de codes-barres et numéros de suivi dans les images
• La numérisation de checklists d’entrepôt remplies à la main

Archives et secteur public

La numérisation d’archives historiques représente un cas d’usage particulier :

• Documents anciens, parfois en mauvais état
• Écriture manuscrite historique (XIXe-XXe siècle)
• Langues et typographies anciennes

OCR 3 gère mieux ces cas que les OCR traditionnels grâce à sa compréhension visuelle, bien que la précision diminue sur les documents très dégradés.

Workflow type en production

Quel que soit le secteur, le workflow Document AI suit généralement ce schéma :

1. Ingestion : réception du document (scan, upload, email)
2. OCR : extraction du texte et de la structure via mistral-ocr-latest
3. Annotations : extraction des données structurées selon votre schéma métier
4. Indexation : stockage du Markdown enrichi dans votre base vectorielle ou votre base de données
5. Exploitation : recherche, QnA, reporting, automatisation de workflows

Points clés à retenir

• Document AI s’applique à tous les secteurs qui manipulent des documents
• Le workflow standard est : ingestion, OCR, annotations, indexation, exploitation
• Les annotations Pydantic permettent d’extraire exactement les données dont vous avez besoin
• Le QnA permet d’interroger les documents en langage naturel après indexation
• La combinaison des trois services crée une solution documentaire de bout en bout