Automatisation documentaire IAOCR intelligent sur mesurePME industrielle aéronautique

Automatisation de la vérification des bons de commande : 317 heures récupérées par mois

Mission livrée·25 janvier 2026·mis à jour 20 avril 2026

1 900documents vérifiés chaque mois
317 hrécupérées par mois pour l'équipe ADV
95 %taux de détection des anomalies
15 sem.du cadrage à la mise en production

Automatisation de la vérification des bons de commande : 317 heures récupérées par mois

Client: PME industrielle aéronautique, filiale d'un groupe international
Secteur: Composants techniques pour l'aéronautique et le ferroviaire
Périmètre: Vérification automatisée de 1 900 bons de commande et accusés par mois
Équipe: 7 opératrices ADV et un chef de projet IT mobilisés côté client
Durée: 15 semaines, du cadrage opérationnel à la mise en production

Une PME industrielle noyée sous les vérifications manuelles

Le défi posé par le client : industrialiser une vérification documentaire à haute criticité sans la déléguer à une boîte noire, et sans ajouter la moindre dépendance à un cloud non souverain.

Contexte : 475 heures par mois à comparer des PDF à la main

Notre client est une PME industrielle française, filiale d'un groupe international, spécialisée dans la fabrication de composants techniques pour les secteurs aéronautique et ferroviaire. Avec plus de 3 000 clients actifs (des grands donneurs d'ordre de l'aéro aux opérateurs ferroviaires), l'entreprise traite un volume considérable de commandes chaque mois. Le service Administration des Ventes, composé de sept personnes, réceptionne les bons de commande par email, les saisit manuellement dans l'ERP, puis génère un accusé de réception pour chaque commande. Jusque-là, rien d'anormal. Le problème, c'est l'étape d'après : chaque accusé doit être comparé au bon de commande d'origine pour vérifier que la saisie est correcte. Références produits, quantités, prix unitaires, unités de vente, délais de livraison, tout doit correspondre. Et quand on a 3 000 clients avec chacun ses propres codes articles, ses propres formats de commande et ses propres exigences, cette vérification devient un exercice de haute voltige.

Une solution OCR et IA pensée pour le terrain

Plutôt que de proposer une solution clé en main du marché (les trois options évaluées en amont ne couvraient pas le besoin d'interface visuelle exprimé par le client), JUWA a conçu un outil sur mesure. Le principe est simple : l'opératrice glisse ses deux documents (bon de commande PDF et accusé de réception PDF), le moteur OCR couplé à un modèle IA souverain extrait les données de chaque document, puis un tableau de comparaison s'affiche au centre de l'écran avec les deux colonnes en regard. Les données concordantes apparaissent en vert, les écarts en rouge. Quand une référence client ne correspond pas à la référence interne, le système va chercher dans la base de données produits pour tenter un rapprochement automatique. L'outil a été développé en React et Next.js côté interface, avec un back-end connecté à la base de données miroir du client. Le modèle d'extraction tourne sur Mistral, hébergé en cloud souverain européen.

Cap de la mission

Objectifs de la mission

Réduire le temps de vérification par paire de documents de 15 à 5 minutes maximum, pour un gain mensuel cible de 317 heures.
Maintenir un taux de détection des anomalies supérieur à 95 % sans dégrader la qualité existante.
Construire une interface de comparaison visuelle, documents côte à côte, avec tableau central des écarts et validation en un clic.
Concevoir une architecture duplicable sur les autres entités du groupe, sans dépendance à un cloud non souverain.

Un accompagnement opérationnel & mesurable

Sur ce projet, l'enjeu n'était pas seulement technique. Il était humain. Sept opératrices ADV, habituées depuis des années à leur checklist papier et à leurs fenêtres ERP multiples, devaient adopter un nouvel outil sans perdre en rigueur ni en confiance. JUWA a commencé par une semaine de cadrage opérationnel : passation avec le cabinet d'accompagnement qui avait réalisé le diagnostic IA initial, entretiens avec les opératrices et le chef de projet IT, validation des règles métier critiques (gestion des blocages, correspondances entre références client et internes, cas des commandes multi-lignes). Cette immersion a permis de maquetter une première version de l'interface avant d'écrire la moindre ligne de code. Le développement a ensuite duré douze semaines en sprint, avec un point hebdomadaire réunissant le chef de projet client, le DSI groupe et l'équipe JUWA. Chaque livraison intermédiaire était testée sur des jeux de données réels (pas sur des cas de laboratoire). La recette finale a mobilisé deux opératrices en bêta-test pendant deux semaines, avec remontée directe des ajustements nécessaires.

J'ai un besoin similaire

Résultats mesurés

Des performances à la hauteur des attentes.

1 900documents vérifiés chaque mois
317 hrécupérées par mois pour l'équipe ADV
95 %taux de détection des anomalies
15 sem.du cadrage à la mise en production

« On voulait garder la main sur la vérification, pas la déléguer à une boîte noire. L'outil qu'on a aujourd'hui fait exactement ça : il nous montre les écarts, il nous aide à aller vite, mais c'est toujours nous qui validons. Et surtout, on a récupéré du temps pour des tâches qui comptent vraiment. »

— Responsable Administration des Ventes, PME industrielle aéronautique (mission confidentielle)

Zoom sur le consultant JUWA responsable du projet

Tristan Dumas

Consultant senior IA & automatisation, JUWA

Consultant senior IA et automatisation chez JUWA, Tristan Dumas pilote les missions de développement de solutions sur mesure pour les PME et ETI industrielles. Spécialiste de l'intégration IA dans des environnements techniques contraints (ERP sans API, bases de données héritées, exigences de souveraineté), il intervient du cadrage fonctionnel à la mise en production. Sa force : traduire un besoin métier complexe en livrable opérationnel, en gardant les équipes terrain dans la boucle à chaque étape.

J'ai un besoin similaire

Questions fréquentes

Ce qu'il faut savoir sur cette mission.

Les trois solutions du marché évaluées en amont ne couvraient pas le besoin d'interface visuelle exprimé par le client : comparaison bon de commande / accusé de réception côte à côte, avec tableau d'écarts central et code couleur. JUWA a conçu un outil sur mesure en React/Next.js répondant exactement à ce besoin.

317 heures récupérées par mois sur 475 heures initialement consacrées à la vérification manuelle, soit un temps par paire de documents ramené de 15 à 5 minutes maximum, pour 1 900 documents traités chaque mois.

Taux de détection des anomalies supérieur à 95 %, validation humaine conservée à chaque étape (l'opératrice valide ou corrige les écarts détectés), rapprochement automatique des références client vs internes via la base de données produits.

Oui. Le modèle d'extraction tourne sur Mistral hébergé en cloud souverain européen, sans dépendance à un service non-UE. Aucune donnée client ne sert à entraîner un modèle tiers.

Planifier un rendez-vous