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 dans une image — une capture d’écran, un PDF scanné ou une photo d’un écran — il est impossible de copier-coller les chiffres. C’est là que la vision IA de Mistral excelle : elle peut lire un graphique comme vous le feriez, en extraire les données et les reformuler de manière structurée.

Analyser un graphique

Lorsque vous uploadez un graphique dans Le Chat, le modèle identifie automatiquement plusieurs éléments :

• Le type de graphique : histogramme, courbe, camembert, diagramme en barres, nuage de points
• Les axes : labels, unités, échelles
• Les légendes : catégories, couleurs associées
• Les valeurs : points de données, pourcentages, totaux

Exemples de questions sur un graphique

Voici des formulations efficaces selon ce que vous cherchez :

• « Quelle catégorie a la valeur la plus élevée ? »
• « Quelle est la tendance générale entre janvier et juin ? »
• « Compare les deux courbes et identifie les points d’intersection »
• « Extrais toutes les valeurs de ce camembert sous forme de liste »

Le modèle est particulièrement performant sur les graphiques bien contrastés, avec des étiquettes lisibles. Si le graphique est en haute résolution avec des couleurs distinctes, les résultats seront excellents.

Extraire des données d’un tableau

Les tableaux dans les images sont 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 peut :

• Lire les en-têtes et les lignes du tableau
• Reconstituer la structure (colonnes, lignes, cellules fusionnées)
• Extraire les données sous un format que vous choisissez

Demander un format structuré

La clé pour obtenir des données exploitables est de préciser le format de sortie souhaité :

• « Retranscris ce tableau en Markdown »
• « Extrais les données de ce tableau au format CSV »
• « Crée une liste des produits et de leurs prix à partir de ce tableau »

Le modèle comprend les structures tabulaires complexes : colonnes multiples, sous-totaux, notes de bas de page. Il 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. Dans Le Chat, cette capacité est intégrée nativement :

• Factures et reçus : extraire le montant, la date, le vendeur
• Cartes de visite : récupérer le nom, l’e-mail, le numéro de téléphone
• Panneaux et signalétique : lire le texte d’un panneau routier ou d’une enseigne
• Formulaires papier : retranscrire les champs remplis à la main

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.

Cas d’usage concrets

Analyse financière rapide

Vous recevez un graphique de performance trimestrielle en image. Uploadez-le dans Le Chat et demandez :

• « Quel trimestre a la meilleure performance ? »
• « Calcule la croissance entre Q1 et Q4 »
• « Résume les tendances principales en 3 points »

Extraction de données depuis un rapport

Vous avez une capture d’écran d’un tableau de bord avec plusieurs indicateurs. Demandez :

• « Extrais tous les KPIs visibles et leur valeur actuelle »
• « Identifie les indicateurs en rouge (en baisse) »

Vérification de données

Vous doutez d’un chiffre dans une présentation. Uploadez la slide et demandez :

• « Le total de la dernière colonne est-il correct ? »
• « Les pourcentages de ce camembert font-ils bien 100 % ? »

Bonnes pratiques

• Résolution : plus l’image est nette, meilleurs seront les résultats. Évitez les photos floues ou les captures d’écran trop compressées.
• Cadrage : recadrez l’image pour ne montrer que le graphique ou le tableau concerné. Moins il y a de bruit visuel autour, plus l’analyse sera précise.
• Contexte : précisez le sujet si le graphique ne l’indique pas clairement. « Ce graphique montre les ventes mensuelles en euros » aide le modèle à mieux interpréter.
• Vérification : croisez toujours les chiffres extraits avec la source originale pour les usages critiques. 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