IA & automatisation

IA : rapprocher commande, réception et facture sans masquer les écarts

Jérémy Chomel Dawap
  • Date éditoriale : 27 octobre 2026
  • Temps de lecture : 12 minutes
  1. Choisir le contrôle attendu avant de choisir le modèle
  2. Relier les bonnes sociétés et les bons documents
  3. Extraire les champs sans confondre lecture et validation
  4. Normaliser les unités avant de comparer les quantités
  5. Contrôler les factures successives sur la même réception
  6. Six écarts, six dossiers à instruire différemment
  7. Séparer la tolérance métier de la confiance du modèle
  8. Construire une file de revue qui facilite la bonne décision
  9. Évaluer le rapprochement sur les décisions, pas sur la qualité du résumé
  10. Plan d’action pour une assistance documentaire exploitable
  11. Guides complémentaires pour la lecture et les désaccords
  12. Conclusion : une explication utile doit laisser les pièces et les écarts vérifiables
Portrait de Jérémy Chomel

La facture indique cent pièces, la commande en prévoit cent vingt et le magasin n’en a réceptionné que quatre-vingts. Les trois documents sont lisibles, mais ils ne racontent pas le même état de l’achat. Une IA capable de recopier les montants peut produire une réponse très nette et pourtant laisser intacte la question : quelles lignes sont réellement rapprochées, lesquelles restent en attente et qui peut accepter un écart ?

Le rapprochement utile distingue extraction documentaire, calcul de conformité et décision d’approbation. L’IA peut repérer des références, proposer des correspondances et expliquer les différences. Les règles de quantité, de prix, de cumul et d’autorisation doivent rester explicites, contrôlables et reliées aux documents qui font foi dans votre organisation.

Le dossier fictif ci-dessous concerne des achats de consommables industriels. Il comprend une livraison partielle, un conditionnement différent, un avoir attendu et une référence de remplacement. Les exemples sont des exercices de conception, sans résultat client ni validation d’un modèle. Ils ne prescrivent pas le traitement comptable ou fiscal d’une entreprise.

Une démarche d’IA appliquée aux processus métier doit aider les équipes à instruire ces écarts sans inventer les pièces manquantes. La transformation des workflows documentaires relie la lecture aux achats, à la réception et au circuit d’approbation, en respectant les capacités et les responsabilités du logiciel de gestion.

Choisir le contrôle attendu avant de choisir le modèle

Un rapprochement peut vérifier seulement le prix convenu, ou comparer également les quantités facturées avec les réceptions sélectionnées. Les achats de biens, les prestations et les acomptes n’ont pas les mêmes preuves. Définissez le périmètre avec les achats et la finance avant de présenter un résultat automatique comme un dossier accepté.

S’appuyer sur les règles de l’ERP sans les supposer universelles

La documentation Dynamics 365 Finance sur le rapprochement des factures distingue notamment le contrôle du prix et le contrôle associant prix et réceptions. Elle décrit aussi des tolérances paramétrées. Ce cadre illustre un fonctionnement produit ; il ne signifie pas que toutes vos factures doivent suivre la même politique ni que votre installation possède déjà ce paramétrage.

Pour notre exercice, nous retenons une commande approuvée, des réceptions validées et des factures de marchandises exprimées en euros hors taxes. Aucun écart n’est approuvé automatiquement. Le système produit une proposition de rapprochement et une liste de décisions à prendre. Les taxes, devises et frais non convenus exigeraient des contrôles supplémentaires avant d’élargir ce périmètre.

Relier les bonnes sociétés et les bons documents

Commencez par le fournisseur, l’entité acheteuse, le numéro de commande et les lignes concernées. Un montant égal ne suffit pas à rapprocher deux pièces. Deux établissements peuvent acheter le même produit au même prix ; une facture portant sur l’un ne doit pas être affectée à l’autre parce que le texte est proche.

Conserver les identités externes et les révisions

Le numéro imprimé sur la facture, sa date, sa devise et son fournisseur participent à la recherche de doublons. L’empreinte du fichier détecte une copie exacte, mais une facture rescannée produit une autre empreinte. Le dossier doit rechercher une répétition métier avant de créer une nouvelle obligation dans le logiciel.

Une commande révisée reste liée à sa version approuvée. Si le prix a changé après l’envoi du bon, le système retrouve l’accord correspondant ou signale son absence. Choisir la version la plus récente sans vérifier sa portée peut appliquer rétroactivement un tarif à une livraison qui dépend d’un autre engagement.

Extraire les champs sans confondre lecture et validation

Conservez le passage source, la valeur lue, la normalisation proposée et l’identifiant de ligne. Un total imprimé peut être extrait correctement alors que la répartition entre lignes est fausse. Les sous-totaux, les frais et les pages de continuation demandent donc une vérification propre, même lorsque le montant final paraît plausible.

Demander au modèle une proposition que le métier peut contester

Le modèle de facture de Microsoft Document Intelligence extrait des champs et des lignes sous forme structurée. Cette capacité de lecture ne démontre pas que le prix est autorisé ou que la réception a eu lieu. La preuve de réception doit venir du système et du processus qui l’enregistrent.

Dans le cas d’un changement de logisticien avec réceptions partielles, cette preuve peut venir de deux prestataires. Le rapprochement doit garder le site et la provenance du document pour ne pas consommer deux fois une même quantité transférée.

La proposition conserve les champs absents et les candidats ambigus. Elle ne crée pas un bon de livraison parce qu’une facture annonce une date d’expédition. Une instruction figurant dans la pièce ne peut pas autoriser un paiement, changer un compte bancaire ou relever une tolérance. Ces opérations passent par les circuits indépendants prévus par l’entreprise.

Normaliser les unités avant de comparer les quantités

Dans le cas principal, la commande C-410 prévoit douze boîtes de dix joints, soit cent vingt pièces, au prix de 20 € HT la boîte. La réception R-91 confirme huit boîtes acceptées. La facture F-77 demande dix boîtes au même prix, soit 200 € HT. Les trois documents sont arithmétiquement cohérents pris séparément.

Comparer le même objet commercial et physique

La commande représente 240 € HT de marchandises. La quantité reçue correspond à 160 € HT au prix convenu. La facture excède cette réception de deux boîtes, soit vingt pièces et 40 € HT dans notre périmètre. Le système signale cet écart ; il ne conclut ni à une fraude ni à une réception manquante certaine.

Une seconde réception de deux boîtes, datée et validée dans le dossier, pourrait expliquer les 40 €. Une facture anticipée ou une erreur fournisseur appellerait une autre décision. L’IA peut proposer ces pistes comme questions, mais ne doit pas transformer la plus plausible en événement déjà survenu.

PièceBoîtesPièces normaliséesMontant HT au prix convenu
C-410, commande approuvée12120240 €
R-91, réception acceptée880160 €
F-77, facture reçue10100200 €
Écart facture / réception22040 € à instruire

La conversion de dix pièces par boîte provient ici d’un référentiel approuvé. Si le fournisseur change de conditionnement, l’ancienne conversion peut devenir fausse sans que le libellé « boîte » change. Gardez sa date d’effet et sa preuve ; ne la déduisez pas du montant que vous souhaitez retrouver.

Contrôler les factures successives sur la même réception

Un contrôle facture par facture peut accepter deux documents qui consomment chacun la même réception. Enregistrez les quantités déjà rapprochées, les annulations et les corrections. La disponibilité d’une réception pour un nouveau rapprochement dépend de ce cumul, pas uniquement de sa quantité initiale.

Une seconde facture peut être régulière ou répétée

Supposons que huit boîtes reçues aient déjà été entièrement rapprochées d’une première facture. Une seconde facture de deux boîtes ne trouve plus de quantité reçue libre, même si huit est supérieur à deux. Il faut une nouvelle réception recevable ou une décision documentée dans le circuit prévu ; le système ne réutilise pas les huit premières boîtes.

Les avoirs suivent leur propre identité et leur statut. Un avoir demandé ne réduit pas automatiquement la facture reçue. Un avoir effectivement accepté peut modifier le solde rapproché selon les règles du logiciel, mais son lien avec la facture et ses lignes doit être conservé. Les annulations concurrentes demandent une opération atomique ou une réservation de capacité de rapprochement pour empêcher deux traitements d’utiliser le même reliquat.

Six écarts, six dossiers à instruire différemment

La file d’exceptions doit attribuer la question à la bonne équipe. Une erreur de lecture revient au traitement documentaire ; une réception absente revient aux opérations ; un prix non convenu appelle les achats. Envoyer tous les dossiers à la finance sans cette distinction déplace la charge sans rendre les décisions plus rapides.

Cas fictifConstat vérifiableSuite attendue
Livraison partielleDix boîtes facturées, huit reçues et validées.Rechercher la pièce couvrant les deux boîtes ; conserver l’écart tant qu’elle manque.
Unité différenteUne facture en pièces, une commande en boîtes.Appliquer une conversion approuvée ou demander sa qualification.
Référence remplacéeLe fournisseur facture J20-B au lieu de J20-A.Faire confirmer la substitution et ses conditions par les achats.
Prix différent22 € facturés par boîte au lieu de 20 € convenus.Retrouver un avenant recevable ou soumettre l’écart de prix.
Avoir annoncéUn e-mail promet une correction sans pièce enregistrée.Suivre l’attente sans enregistrer un avoir fictif.
Doublon rescannéNouvelle image, même facture et même fournisseur.Relier la pièce au dossier existant avant toute nouvelle écriture.

Une absence de correspondance exacte ne signifie pas nécessairement qu’un achat est irrégulier. Une substitution autorisée peut être valable tout en demandant un document complémentaire. Le système doit expliquer la preuve manquante et l’action suivante, plutôt que classer indistinctement toutes les exceptions comme des erreurs du fournisseur.

Séparer la tolérance métier de la confiance du modèle

La confiance d’extraction décrit une estimation de lecture. La tolérance définit l’écart qu’un processus est autorisé à accepter. Ces deux nombres ne sont pas interchangeables. Une lecture très fiable d’un prix incorrect doit conduire à un écart ; une lecture incertaine d’un prix apparemment conforme demande d’abord de vérifier la pièce.

Rendre les règles visibles dans la décision proposée

Une politique peut combiner un seuil relatif et un plafond absolu, avec des exceptions par famille. Le dossier affiche la règle et sa version, la base de calcul, le montant de l’écart et la personne habilitée. Il doit également préciser si le seuil s’applique par ligne, par facture ou sur un cumul.

N’introduisez pas un seuil universel à partir d’une démonstration. Les règles dépendent des contrats, des procédures et des capacités ERP. Le rôle de l’intégration est de transmettre une proposition et une preuve cohérentes, puis de faire appliquer la règle décidée par les responsables autorisés.

Construire une file de revue qui facilite la bonne décision

L’opérateur retrouve les trois pièces sur le même périmètre de lignes. L’écran montre les références résolues, les quantités déjà consommées, les écarts restants et les éléments absents. Il permet de demander une réception, de corriger une extraction ou de transmettre un écart commercial sans modifier silencieusement les autres valeurs.

Recalculer lorsqu’une preuve change

Une nouvelle réception ou un avoir enregistré peut rendre la proposition précédente obsolète. Conservez l’historique, puis recalculez le périmètre affecté. Une approbation portant sur huit boîtes ne doit pas être étendue automatiquement à dix parce que le dossier partage le même numéro de commande.

La trace garde l’identité du décideur, la version des pièces et la raison de la dérogation. Elle évite les commentaires génériques qui empêchent de comprendre un accord plusieurs semaines après. Le système ne doit pas offrir une approbation globale à une personne qui peut seulement corriger les données lues.

Évaluer le rapprochement sur les décisions, pas sur la qualité du résumé

Le jeu d’évaluation contient des rapprochements conformes et des exceptions annotées par les équipes compétentes. Il sépare les documents ayant servi au réglage du système de ceux utilisés pour le recevoir. Incluez des fournisseurs nouveaux, des mises en page différentes et plusieurs factures sur une même réception.

Mesurer les erreurs acceptées à tort et les contrôles inutiles

Une mesure utile distingue la bonne extraction, la bonne correspondance, le bon calcul et la bonne orientation. Une facture correctement résumée mais affectée à une autre société reste un échec critique. À l’inverse, une demande de revue justifiée par une pièce absente n’est pas une mauvaise réponse parce qu’elle ralentit l’automatisation.

Dans une simulation de cinquante dossiers, trente conformes, douze écarts explicables et huit dossiers incomplets doivent rester dans leurs catégories attendues. Aucun pourcentage de performance n’est déduit de ces nombres : ce sont les cas à construire avant un essai. Le cadre d’évaluation des agents publié par Anthropic souligne l’intérêt de vérifier le résultat réel dans l’environnement, au-delà du récit de l’agent. Ici, cela signifie contrôler le rapprochement enregistré et ses autorisations.

Plan d’action pour une assistance documentaire exploitable

  1. Délimiter une entité, une famille d’achats et une politique de rapprochement connue.
  2. Rassembler des pièces autorisées et annoter les correspondances et décisions attendues.
  3. Construire les contrôles déterministes de calcul, de cumul et de droits.
  4. Comparer la proposition IA à une saisie de référence, sans autoriser d’écriture financière.
  5. Ouvrir une file de revue limitée, puis mesurer temps total, reprises et erreurs par cause.

Le bénéfice attendu vient d’une recherche documentaire plus courte et d’une exception mieux instruite. Suivez le temps passé à retrouver les pièces autant que le temps de lecture. Si le système génère des explications convaincantes mais oblige à refaire chaque rapprochement, sa valeur opérationnelle reste à démontrer.

Deux signaux doivent arrêter l’élargissement : une même réception consommée deux fois et une décision dont la version documentaire est introuvable. Corrigez le stockage et la concurrence avant d’améliorer la formulation des réponses. Un modèle plus performant ne compense pas un état de dossier mal tenu.

Guides complémentaires pour la lecture et les désaccords

Retrouver le montant, son unité et sa place dans le document

Le guide sur les PDF scannés et les tableaux documentaires détaille les pertes de contexte entre une cellule, son en-tête et sa preuve. Cette lecture complète le contrôle d’un montant extrait qui semblerait juste tout en appartenant à une autre ligne.

Ne pas transformer une contradiction en synthèse rassurante

Le dossier des documents contradictoires dans un RAG aide à qualifier versions et périmètres. Dans un rapprochement d’achat, la contradiction doit toutefois conduire à une décision métier attribuée ; une réponse rédigée ne remplace pas une réception ou un accord manquant.

Conclusion : une explication utile doit laisser les pièces et les écarts vérifiables

L’IA apporte une aide lorsqu’elle retrouve les éléments pertinents et prépare une comparaison compréhensible. Le dossier reste gouverné par les identités, les unités, les cumuls et les décisions autorisées. Une extraction exacte ne constitue pas, à elle seule, une approbation.

Les douze boîtes commandées, huit reçues et dix facturées produisent un écart concret que chacun peut recalculer. Sa résolution dépend d’une preuve supplémentaire ou d’un arbitrage prévu. Inventer une réception pour fermer le dossier détruirait précisément la valeur recherchée.

La réception du dispositif porte donc sur les décisions enregistrées, les exceptions conservées et le travail réellement terminé. Les critères doivent rester contrôlables lorsque de nouveaux fournisseurs, documents ou scénarios rejoignent le périmètre.

Dawap construit des solutions d’IA et d’automatisation reliées aux processus d’entreprise avec les responsables métier et les équipes SI. Le premier chantier consiste à définir ce que le système peut proposer, ce qu’il doit prouver et quelle décision demeure confiée à une personne habilitée.

Portrait de Jérémy Chomel

Organisez un rapprochement documentaire que vos équipes peuvent vérifier

Qualifions les pièces sources, les règles de quantité et de prix et la file d’exceptions avant de connecter l’assistance IA à votre processus achats.

Étudier votre projet IA

Articles recommandés

Illustration de documents et de tableaux exploités par un moteur RAG IA & automatisation RAG sur PDF : conserver montants, unités et références Lire l'article
  • 24 octobre 2026
  • Lecture ~20 minutes

Le bon nombre dans la mauvaise colonne peut produire une réponse fausse avec une citation authentique. Ce dossier suit un tarif fictif depuis le scan jusqu’au résultat RAG : cellules, unités, conditions, pages et versions. Il propose une recette ciblée pour distinguer erreur OCR, perte de structure et défaut de récupération.

Recette d’un assistant RAG face à une procédure générale et une exception contractuelle avec versions, dates d’effet et réponses attendues IA & automatisation RAG interne : arbitrer des documents contradictoires Lire l'article
  • 11 septembre 2026
  • Lecture ~17 min

Une réponse peut citer deux procédures et appliquer la mauvaise règle. Comparez portée, dates d’effet et exception approuvée. Deux documents fictifs et un registre préparent huit cas de recette : règle applicable, contexte manquant, recherche incomplète, conflit non résolu et accès limité. Chaque cas fixe la réponse attendue et l’erreur à détecter.

Commande B2B reçue par e-mail, lignes vérifiées et brouillon ERP soumis à validation IA & automatisation Commandes B2B : de l’e-mail au brouillon ERP Lire l'article
  • 26 octobre 2026
  • Lecture ~13 minutes

Deux cartons ne signifient pas deux pièces. Suivez une commande B2B reçue par e-mail jusqu’au brouillon ERP : compte client, références, unités, tarifs et révisions. Six cas fictifs montrent les décisions à vérifier, les ambiguïtés à traiter et la preuve à retrouver avant de réessayer une création dont la réponse manque.

Façade de bâtiment illustrant la conservation des champs absents, de leurs preuves et de leur reprise métier IA & automatisation Extraction IA : laisser un champ absent sans le remplir Lire l'article
  • 28 septembre 2026
  • Lecture ~22 minutes

Une sortie complète peut cacher une donnée inventée. Douze propositions fictives distinguent absence, zéro explicite, conflit, illisibilité et normalisation, avec des preuves rattachées au bon document. Le contrôle conserve les manques et refuse les valeurs empruntées ou calculées présentées comme extraites, avant une décision métier séparée.

Organisez un rapprochement documentaire que vos équipes peuvent vérifier

Qualifions les pièces sources, les règles de quantité et de prix et la file d’exceptions avant de connecter l’assistance IA à votre processus achats.

Étudier votre projet IA