Extraction documentaire par IA
Des preuves avant l’approbation

Une équipe d’assurance qui étudie un processus de gestion des sinistres pourrait demander quel document justifie une date déclarée. Une équipe industrielle qui examine une fiche de maintenance pourrait demander si un nombre renvoyé conserve son unité et son contexte. Ce sont des questions d’acheteurs, pas des récits de déploiement. Elles révèlent la même difficulté de transmission : un champ peut être facile à exploiter pour un logiciel, tout en restant difficile à justifier pour une personne. Dans son article technique du 29 septembre 2026, Microsoft présente l’extraction de contenus fiables et traçables comme une discipline d’ingénierie à part entière, même lorsque les modèles progressent. L’article décrit le travail lié aux formats, à la mise en page, aux relations entre pages, à la confiance, à la normalisation et à la gestion des erreurs. L’actualité récente est cette publication, et non le lancement d’une fonction ou un incident en octobre. Ses affirmations plus générales sur les performances émanent du fournisseur ; cette analyse ne les établit pas.

La distinction utile sépare l’obtention d’une valeur de l’acceptation de son usage. La présentation de Content Understanding de Microsoft décrit trois méthodes de champ : extract reprend les valeurs telles qu’elles figurent dans le document ; classify attribue des catégories prédéfinies ; generate produit des valeurs à partir de l’entrée, par exemple des résumés. Une réponse conforme à un schéma n’efface pas ces différences. La personne chargée de la revue doit savoir si elle vérifie un texte source, une catégorie attribuée ou une interprétation générée. Le périmètre de version compte aussi. La présentation recommande l’API 2025-11-01, indiquée comme GA, ou disponibilité générale, pour les charges de production. L’API 2026-06-01-preview sert à évaluer les fonctions en préversion. Les notes de version précisent que les préversions sont fournies sans accord de niveau de service et ne sont pas recommandées pour la production. Aucune de ces étiquettes ne prouve que toutes les fonctions sont disponibles pour toute entrée ou configuration.

Les notes de juillet 2026 décrivent des scores de confiance et un ancrage dans la source pour tous les types de champs documentaires, y compris les méthodes generate et classify, en préversion comme en GA. Elles indiquent les paramètres estimateFieldSourceAndConfidence et estimateSourceAndConfidence pour activer ce comportement. Cette indication concerne les champs documentaires ; elle ne promet pas des signaux identiques pour toutes les modalités. La présentation définit la confiance comme une estimation de fiabilité comprise entre 0 et 1, et l’ancrage comme la localisation des zones sources étayant la valeur. Ni l’un ni l’autre ne constitue un taux d’exactitude mesuré indépendamment sur vos documents ou un seuil d’approbation métier démontré. La normalisation crée une autre limite de revue. Les mêmes notes de juillet indiquent que les valeurs typées prises en charge, telles que les dates et les nombres, sont automatiquement converties dans un format canonique. La normalisation n’est pas configurable et la réponse ne fournit pas séparément les valeurs brutes et normalisées. Le dossier de revue devrait donc conserver l’accès à la source et distinguer la représentation renvoyée de la formulation d’origine. Ne promettez pas un champ de valeur brute que la réponse documentée ne fournit pas. Si la formulation reste ambiguë, une présentation uniforme ne doit pas en fixer le sens.

Une requête réussie ne garantit pas un ensemble complet de champs. La présentation explique que les garde-fous peuvent limiter la génération de champs tout en préservant le contenu extrait de la source. L’analyse peut réussir avec des avertissements même si certaines valeurs sont absentes ; un blocage peut aussi limiter l’extraction ou empêcher son achèvement. Demander la revue des avertissements avant un usage automatisé est très différent d’assimiler un statut de réussite à une approbation. La transmission proposée devrait réunir le document et le repère dans la source, la méthode du champ, la valeur renvoyée, la configuration et la version pertinentes, les éléments de confiance et d’ancrage disponibles, ainsi que les informations manquantes et les avertissements. L’équipe destinataire devrait pouvoir distinguer un champ non renvoyé d’un champ revu et accepté. Le responsable de l’intégration devrait préserver ces distinctions ; le responsable métier devrait décider de leur portée pour la tâche prévue. Le schéma représente cette séquence de revue proposée, et non des contrôles imposés par le fournisseur ou des résultats observés.

Pour une évaluation en assurance, demandez ce qui se passe lorsqu’une déclaration de sinistre et une pièce jointe donnent des dates différentes : quelle source est comparée, qui tranche et le processus suivant attend-il ? Dans l’industrie, demandez comment une personne vérifie un nombre au regard de l’en-tête du tableau, de l’unité et de la révision du document avant sa transmission à une tâche de maintenance. Ces questions définissent le travail d’évaluation ; elles ne supposent aucun résultat obtenu dans l’un ou l’autre secteur. Convenez des conditions d’acceptation avant d’évaluer des documents représentatifs. Incluez des formulations ambiguës, des valeurs absentes, des interprétations générées et des réponses comportant des avertissements, pas seulement des extractions sans difficulté. Consignez si la personne chargée de la revue accepte une valeur pour un usage nommé, demande une clarification ou suspend la transmission. Si la source ne permet pas de soutenir l’interprétation prévue, conservez cette lacune plutôt que de la transformer en réponse plausible. Le livrable utile n’est pas simplement un JSON rempli. C’est une valeur dont on peut examiner l’origine et la transformation, dont les exceptions restent visibles et dont l’usage autorisé relève d’un responsable identifié. Voilà la limite d’acceptation qu’un acheteur peut examiner sans confondre sortie structurée et permission d’agir.