Analyser des Graphiques et Extraire des Données de Tableaux

Transformer une image en données exploitables

Les graphiques et les tableaux sont partout : rapports d’activité, présentations PowerPoint, articles de presse, bilans financiers. Mais quand ces éléments sont enfermés dans une image — une capture d’écran, un PDF scanné ou une photo d’un écran — il est impossible de copier-coller les chiffres. Combien de fois avez-vous ressaisi à la main les valeurs d’un tableau reçu en pièce jointe ? C’est précisément là que la vision IA de Mistral excelle : elle lit un graphique comme vous le feriez, en extrait les données et les reformule de manière structurée.

Analyser un graphique

Lorsque vous uploadez un graphique dans Le Chat, le modèle en décompose automatiquement l’anatomie. Il identifie d’abord le type de graphique — histogramme, courbe, camembert, diagramme en barres, nuage de points — car chaque type appelle une lecture différente. Il repère ensuite les axes avec leurs labels, leurs unités et leurs échelles, puis les légendes qui associent catégories et couleurs, et enfin les valeurs elles-mêmes : points de données, pourcentages, totaux. Cette lecture structurée lui permet de répondre à des questions précises plutôt que de produire une description superficielle.

Vos questions peuvent donc viser directement ce qui vous intéresse : « Quelle catégorie a la valeur la plus élevée ? » pour un classement, « Quelle est la tendance générale entre janvier et juin ? » pour une évolution, « Compare les deux courbes et identifie les points d’intersection » pour une analyse croisée, ou « Extrais toutes les valeurs de ce camembert sous forme de liste » pour récupérer les données brutes. Le modèle est particulièrement performant sur les graphiques bien contrastés, avec des étiquettes lisibles : une image en haute résolution avec des couleurs distinctes donnera d’excellents résultats.

Extraire des données d’un tableau

Les tableaux dans les images constituent un cas d’usage majeur. Qu’il s’agisse d’un tableau dans un rapport PDF, d’une capture d’écran d’un tableur ou d’une photo d’un document papier, le modèle lit les en-têtes et les lignes, reconstitue la structure — colonnes, lignes, y compris les cellules fusionnées — et restitue les données dans le format de votre choix.

C’est justement ce dernier point qui fait toute la différence : précisez toujours le format de sortie souhaité. « Retranscris ce tableau en Markdown » vous donne un tableau réutilisable dans vos notes ; « Extrais les données de ce tableau au format CSV » produit un fichier prêt à importer dans un tableur ; « Crée une liste des produits et de leurs prix » vous livre une synthèse lisible. Le modèle comprend les structures tabulaires complexes — colonnes multiples, sous-totaux, notes de bas de page — et gère aussi les tableaux avec des cellules colorées ou des bordures épaisses.

OCR basique sur les images de données

Au-delà des graphiques et tableaux, le modèle peut lire tout texte visible dans une image. C’est ce qu’on appelle l’OCR (Optical Character Recognition), la reconnaissance optique de caractères, et cette capacité est intégrée nativement dans Le Chat. Concrètement, vous pouvez extraire le montant, la date et le vendeur d’une facture ou d’un reçu ; récupérer le nom, l’e-mail et le numéro de téléphone d’une carte de visite ; lire le texte d’un panneau routier ou d’une enseigne ; ou encore retranscrire les champs remplis à la main d’un formulaire papier.

Pour des besoins d’OCR avancés — traitement de documents volumineux, extraction structurée, workflows automatisés — Mistral propose une solution dédiée appelée Document AI, que nous aborderons dans la section 3 de ce cours. Retenez pour l’instant que Le Chat couvre déjà très bien les besoins ponctuels du quotidien.

Cas d’usage concrets

Prenons trois situations de bureau typiques. Première situation : vous recevez un graphique de performance trimestrielle en image dans un e-mail. Uploadez-le dans Le Chat et demandez quel trimestre a la meilleure performance, faites calculer la croissance entre Q1 et Q4, ou demandez un résumé des tendances principales en trois points — de quoi préparer une réunion en cinq minutes.

Deuxième situation : vous avez une capture d’écran d’un tableau de bord avec plusieurs indicateurs. Demandez « Extrais tous les KPIs visibles et leur valeur actuelle », puis « Identifie les indicateurs en rouge » pour repérer immédiatement ce qui est en baisse, sans naviguer dans l’outil d’origine.

Troisième situation, souvent négligée : la vérification. Vous doutez d’un chiffre dans une présentation qu’on vous a envoyée ? Uploadez la slide et demandez « Le total de la dernière colonne est-il correct ? » ou « Les pourcentages de ce camembert font-ils bien 100 % ? ». Le modèle refait le calcul et signale les incohérences — un filet de sécurité appréciable avant de diffuser un document.

Bonnes pratiques

Quatre réflexes conditionnent la qualité des résultats. La résolution d’abord : plus l’image est nette, meilleure sera la lecture — évitez les photos floues et les captures d’écran trop compressées. Le cadrage ensuite : recadrez l’image pour ne montrer que le graphique ou le tableau concerné, car moins il y a de bruit visuel autour, plus l’analyse sera précise. Le contexte aussi : si le graphique n’indique pas clairement son sujet, précisez-le vous-même (« Ce graphique montre les ventes mensuelles en euros ») pour aider le modèle à interpréter correctement. Et enfin la vérification : pour les usages critiques, croisez toujours les chiffres extraits avec la source originale, car l’IA peut se tromper sur des valeurs proches ou des polices inhabituelles.

Points clés à retenir

• Le modèle identifie le type de graphique, les axes, les légendes et les valeurs
• Vous pouvez demander une extraction en Markdown, CSV ou sous forme de liste
• L’OCR basique est intégré pour lire le texte dans n’importe quelle image
• La qualité de l’image et la précision de votre question conditionnent la qualité des résultats