Aller au contenu
Stratégie & Transformation Digitale

Vérification documentaire par IA : 317 heures rendues à une équipe ADV dans l'aéronautique

Sept opératrices comparaient à la main chaque bon de commande à son accusé de réception, 1 900 paires par mois. Retour sur l'outil construit en quinze semaines : ce que la machine compare, ce qui reste à l'humain, et ce qu'on a décidé de ne pas automatiser.

Tristan Dumas
Tristan Dumas

Consultant senior IA, JUWA

17 novembre 20265 min de lecture
Vérification documentaire par IA : 317 heures rendues à une équipe ADV dans l'aéronautique

Résumer avec

Oui, une IA peut faire l'essentiel d'une vérification documentaire, à condition de ne lui laisser aucune décision. Dans une PME aéronautique, l'outil que nous avons construit compare chaque bon de commande à son accusé de réception et affiche les écarts. L'opératrice tranche. Le temps par paire est passé de quinze à cinq minutes au plus, soit 317 heures rendues chaque mois.

Ce retour correspond au cas client publié sur la vérification documentaire. Nous y revenons sous l'angle de ce qui se transpose à d'autres entreprises.

Avant : 475 heures par mois à comparer deux PDF

L'entreprise fabrique des composants techniques pour l'aéronautique et le ferroviaire. Elle est filiale d'un groupe international et sert plus de 3 000 clients actifs. Son administration des ventes compte sept personnes. Elles reçoivent les bons de commande par courriel, les saisissent dans l'ERP, génèrent un accusé de réception, puis comparent cet accusé au bon de commande d'origine pour vérifier la saisie.

C'est cette dernière étape qui coûtait cher. Références, quantités, prix unitaires, unités de vente, délais : tout doit correspondre. Chaque client a ses codes articles et sa mise en page, neuf commandes sur dix arrivent en PDF sans structure exploitable, et une paire pouvait demander quinze minutes. Sur 1 900 paires par mois, l'équipe lisait près de 9 500 pages et y passait 475 heures. Malgré ce soin, une dizaine de non-conformités passaient chaque mois, soit 0,53 % des accusés envoyés.

Une vingtaine de contrôles, qui n'appellent pas tous la même réponse

Le mode opératoire interne listait une vingtaine de points à vérifier. Le premier travail du cadrage a été de les regrouper, parce qu'ils ne se traitent pas de la même façon.

Le rattachement d'abord : la commande existe-t-elle, le client est-il le bon, la référence d'article existe-t-elle pour ce compte. Le commercial ensuite, tout ce qui engage le prix : référence, unité de vente, quantité, prix unitaire, remises. La logistique enfin : adresse, dates d'expédition et de livraison, conditionnement.

Une quatrième famille échappe à la comparaison : les blocages. Minimum de commande non atteint, changement d'indice sur un article, référence devenue obsolète pour ce client. L'outil les détecte et les signale, mais accepter une commande sous le minimum ou rappeler le client ne se déduit d'aucune règle. La décision reste au commercial.

Les écarts remontent sur trois niveaux. Bloquant quand le prix, la quantité, la référence ou le minimum divergent : l'accusé ne peut pas partir. À vérifier quand l'écart reste dans une tolérance convenue, un arrondi ou une adresse formulée autrement. Conforme quand rien ne diverge.

Pendant : le vrai travail n'était pas la lecture

L'opératrice dépose ses deux documents. Un moteur de reconnaissance de caractères couplé à un modèle de langage hébergé en Europe extrait les données de chacun, puis un tableau s'affiche avec les deux colonnes en regard : ce qui concorde en vert, ce qui diverge en rouge. Quand une référence client ne correspond à aucune référence interne, l'outil interroge la base produits pour tenter un rapprochement.

L'essentiel du développement a pourtant porté sur la normalisation, pas sur la lecture. Une même référence s'écrit de plusieurs façons selon le client ; une quantité s'exprime en unité de vente ici, en unité logistique là. Sans cette mise à plat, l'outil signale des écarts qui n'en sont pas, et une opératrice qui reçoit trois fausses alertes cesse de lui faire confiance.

Même logique pour les documents douteux. Le rapprochement se fait sur le numéro de commande. Quand il est absent, mal imprimé ou illisible, la paire part dans une file d'attente plutôt que d'être comparée à tort : une comparaison différée coûte moins cher qu'un faux écart.

Le calendrier a été le suivant : une semaine de cadrage avec les opératrices et le chef de projet informatique, douze semaines de développement en sprints avec un point hebdomadaire réunissant aussi le DSI du groupe, puis deux semaines d'essai par deux opératrices en conditions réelles. Le client avait fourni trois choses au démarrage : un accès en lecture à une copie de la base de l'ERP, une centaine de paires réelles pour régler et éprouver le moteur, et une opératrice disponible chaque semaine.

Ce que nous avons décidé de ne pas faire

Une semaine de cadrage sert autant à tracer des limites qu'à définir un périmètre. Quatre décisions ont été prises avant la première ligne de code.

  • L'outil n'écrit jamais dans l'ERP. Une écriture fausse se propagerait à la facturation et à la livraison, pour quelques secondes gagnées. La correction se fait dans l'ERP, par l'opératrice, avec un retour en un clic depuis l'écran de comparaison.
  • Aucun accusé n'est validé automatiquement, même déclaré conforme. L'opératrice reste responsable de ce qui part chez le client. C'était une exigence métier.
  • Pas de connexion directe à l'ERP. Un export quotidien de la base copiée suffisait au besoin et a fait gagner plusieurs semaines.
  • Le français seulement, puisque tout le volume du site l'est. Les autres langues seront chiffrées si le groupe étend l'outil.

Ces refus ont autant compté que les fonctions livrées. Ils ont réduit le risque du projet et rendu l'outil acceptable pour l'équipe.

Après : ce que recouvrent les 317 heures

Le temps par paire est passé de quinze minutes à cinq au plus. Sur les 475 heures mensuelles, 317 sont rendues à l'équipe. Les 158 restantes sont celles de l'arbitrage, quand l'opératrice regarde un écart et décide.

Deux critères d'acceptation avaient été écrits au cadrage : plus de 95 % des écarts détectés, et aucun écart bloquant manqué. Le taux de détection se maintient au-delà de 95 %, et le nombre de non-conformités n'a pas augmenté. C'était la vraie contrainte : gagner du temps en perdant en qualité aurait été un échec.

Chaque comparaison et chaque validation sont horodatées, ce qui répond aux exigences de traçabilité du secteur. Le code et les modèles d'extraction ont été cédés au client sans restriction d'usage, avec la documentation et un export complet des données possible à tout moment, ce qui rend l'outil duplicable sur les autres entités du groupe.

Ce qui se transpose ailleurs

Toute équipe qui compare deux documents à longueur de journée peut appliquer le même raisonnement : commandes et accusés, factures et bons de livraison, certificats et cahiers des charges. Quatre principes en ressortent.

  1. Écrire les critères d'acceptation avant de développer. « Plus de 95 % des écarts détectés, aucun bloquant manqué » se mesure ; « l'outil doit être fiable » ne se mesure pas.
  2. Séparer les erreurs par coût. Une fausse alerte fait perdre une minute ; un écart bloquant manqué peut coûter une livraison. Un taux global cache cette différence.
  3. Normaliser avant de comparer. Les références et les unités font plus d'erreurs que la lecture.
  4. Garder la décision humaine là où elle engage l'entreprise. L'outil signale, il ne valide pas.

Le même partage entre lecture automatisée et contrôle codé se retrouve dans la saisie des factures fournisseurs par OCR et IA. Si votre équipe passe des heures à rapprocher des documents, la page extraction de documents par IA décrit comment nous cadrons ce type de projet.

FAQ

Questions fréquentes

L'essentiel de cet article, repris en questions-réponses.

Elle remplace la lecture et la comparaison, pas la décision. Dans le cas aéronautique, l'outil affiche les écarts en vert et rouge, mais aucun accusé n'est validé automatiquement : l'opératrice reste responsable de ce qui part chez le client.

Quand le numéro de commande est absent ou illisible, la paire part dans une file d'attente au lieu d'être comparée à tort. Un faux écart coûte plus cher à la confiance de l'équipe qu'une comparaison différée de quelques minutes.

Avec des critères écrits avant le développement et testés sur des documents réels. Ici : plus de 95 % des écarts détectés et aucun écart bloquant manqué, contrôlés pendant deux semaines d'essai par deux opératrices. Le nombre de non-conformités envoyées au client n'a pas augmenté.

Parce qu'une écriture erronée se propagerait à la facturation et à la livraison. Le gain de quelques secondes ne justifie pas ce risque. La correction se fait dans l'ERP par l'opératrice, avec un retour en un clic depuis l'écran de comparaison.

Partager

Tristan Dumas
Tristan Dumas

Consultant senior IA, JUWA

Tous nos articles sur le thème « L'IA par métier »

Heineken
BlaBlaCar
DataBird
HelloSafe

Un projet IA en tête ? Parlons-en