Limites de l’OCR : ce que la reconnaissance de documents fait bien et ce qu’elle rate
Les limites de l’OCR apparaissent dès qu’un document s’éloigne d’une page imprimée propre. La reconnaissance optique de caractères transforme une image en texte exploitable. Elle permet ensuite de rechercher une information, copier un contenu ou préremplir un logiciel. Cependant, manuscrits, tableaux, tampons et scans médiocres augmentent fortement le risque d’erreur.
L’OCR reste donc très utile, mais il ne faut pas lui demander la même précision sur tous les documents. La bonne méthode consiste à automatiser les cas simples, puis à concentrer le contrôle humain sur les données sensibles ou difficiles à reconnaître.
Quelles sont les principales limites de l’OCR ?
Les principales limites de l’OCR concernent les écritures manuscrites, les mises en page complexes, les scans de mauvaise qualité et les caractères qui se ressemblent. L’outil peut alors produire un texte apparemment cohérent mais faux. Un contrôle humain reste donc nécessaire pour les montants, dates, identifiants et autres données critiques.
Ce que l’OCR fait particulièrement bien
Sur un document imprimé, propre et correctement numérisé, l’OCR donne généralement de bons résultats. Il reconnaît notamment les polices courantes, les paragraphes simples et les mises en page régulières.
De plus, son principal avantage reste la vitesse. Un outil peut traiter en quelques secondes un volume qu’une saisie manuelle demanderait beaucoup plus de temps.
L’OCR convient particulièrement pour :
- rendre consultables des courriers ou contrats numérisés ;
- rechercher un mot dans une archive documentaire ;
- extraire le texte contenu dans un PDF image ;
- préremplir certains champs avant vérification ;
- faciliter le classement de documents répétitifs.
Dans ces situations, l’automatisation apporte donc un gain réel. En revanche, le niveau de fiabilité baisse lorsque l’image ou la structure du document devient plus complexe.
Les limites de l’OCR sur les documents professionnels
Dans une entreprise ou un cabinet, les documents réels comportent rarement uniquement du texte parfaitement aligné. Ils peuvent intégrer des annotations, tableaux, tampons, signatures ou champs manuscrits.
Chaque élément supplémentaire augmente la difficulté de reconnaissance. C’est pourquoi la nature du document compte autant que la qualité du logiciel utilisé.
L’écriture manuscrite reste difficile
L’écriture manuscrite constitue l’une des difficultés les plus importantes. Un OCR classique reconnaît surtout des caractères imprimés. À l’inverse, une écriture manuscrite varie selon chaque personne et relie souvent plusieurs lettres entre elles.
Pour ce type de contenu, une autre technologie peut intervenir : la reconnaissance d’écriture manuscrite, souvent appelée HTR.
La Bibliothèque nationale de France souligne justement l’importance de modèles adaptés aux écritures étudiées. Dans son numéro 38 d’Actualités de la conservation, publié en 2023, elle indique que les performances peuvent chuter fortement lorsque le modèle rencontre des écritures différentes de celles utilisées pour son apprentissage.
La BnF mentionne notamment, dans le contexte de manuscrits patrimoniaux traités par des modèles génériques, une fidélité proche de 50 % au mot. Cette donnée concerne ce corpus particulier et ne doit donc pas être généralisée à tous les documents manuscrits. Le document complet reste accessible sur le site de la BnF.
Les tableaux peuvent perdre leur structure
Un tableau crée une difficulté différente. L’OCR peut reconnaître correctement les mots et chiffres, mais perdre leur position.
Par exemple, une valeur peut passer dans la colonne voisine. De même, une ligne peut être coupée au mauvais endroit. Le texte extrait paraît alors lisible, alors que la donnée devient incorrecte.
Cette difficulté concerne particulièrement :
- les relevés bancaires ;
- les tableaux comptables ;
- les factures détaillées ;
- les tableaux d’amortissement ;
- les formulaires à plusieurs colonnes.
Dans ces cas, il faut donc vérifier la relation entre les données et leur emplacement d’origine.
Les tampons et annotations masquent l’information
Un tampon, une signature ou une annotation peut recouvrir une partie du document. L’OCR reçoit alors plusieurs informations superposées. Cette lecture automatique intervient aussi en amont, quand il faut organiser la collecte des justificatifs avant la saisie.
Par exemple, un tampon « payé » posé sur un montant peut masquer un chiffre. Une signature peut également traverser une ligne de texte. L’outil doit alors distinguer plusieurs formes qui se mélangent.
Par conséquent, il peut ignorer un caractère, en confondre deux ou créer un résultat plausible mais incorrect.
La qualité du scan influence directement le résultat
Un document mal numérisé réduit également la fiabilité. Une image floue, sombre ou prise de travers complique la reconnaissance des caractères.
Le Portail international archivistique francophone souligne l’importance de la résolution dans son module consacré à la numérisation. Il indique notamment que les performances diminuent lorsque la résolution devient insuffisante, en particulier pour les petits caractères.
Une photo prise rapidement avec un téléphone peut ainsi cumuler plusieurs défauts : mauvaise lumière, perspective, reflet et manque de netteté.
Certains caractères se ressemblent
L’OCR peut également confondre des caractères visuellement proches. Le zéro et la lettre O représentent un exemple classique. Il en va de même pour le chiffre 1 et la lettre l.
Sur une phrase, le contexte permet parfois de détecter facilement l’erreur. En revanche, un numéro de compte, une référence ou un montant offre moins d’indices.
L’erreur peut alors passer inaperçue.
Pourquoi certaines erreurs d’OCR sont difficiles à repérer
Une erreur automatique n’est pas toujours spectaculaire. Au contraire, elle peut produire une valeur parfaitement crédible.
Par exemple, l’outil peut lire 3 850 au lieu de 8 850. Il peut également remplacer une date par une autre date valide. Le résultat semble donc cohérent, même s’il ne correspond plus au document original.
Le risque augmente ensuite lorsque cette donnée alimente plusieurs traitements. Une valeur incorrecte peut entrer dans un logiciel, déclencher une relance ou fausser un rapprochement.
Par conséquent, une erreur apparemment minime peut produire plusieurs conséquences en aval.
Une problématique similaire existe pour l’audio. Notre comparatif entre transcription automatique et transcription humaine présente les limites rencontrées lorsque le contexte devient déterminant.
| Document | Résultat OCR probable | Contrôle conseillé |
|---|---|---|
| Courrier imprimé propre | Reconnaissance généralement fiable | Contrôle rapide des éléments sensibles |
| Facture papier scannée | Texte généralement lisible | Vérification des montants, dates et références |
| Tableau à plusieurs colonnes | Risque de décalage entre les données | Comparaison ligne par ligne |
| Document tamponné | Informations partiellement masquées | Comparaison avec l’image originale |
| Formulaire manuscrit | Résultat très variable | Contrôle ou saisie humaine complète |
| Ticket photographié | Résultat dépendant fortement de la photo | Vérification du montant et de la TVA |
Ces indications restent qualitatives. Les résultats varient selon l’outil, la langue, la qualité du fichier et la structure des documents.
Il vaut donc mieux tester une solution sur vos propres pièces plutôt que se fier uniquement à un taux de reconnaissance général.
Facturation électronique : moins d’OCR pour certaines factures
La généralisation de la facturation électronique modifie progressivement le besoin de reconnaissance documentaire.
Depuis le 1er septembre 2026, toutes les entreprises françaises concernées doivent pouvoir recevoir des factures électroniques. Les grandes entreprises et les ETI doivent également les émettre depuis cette date. L’obligation d’émission s’étendra aux PME et microentreprises le 1er septembre 2027.
Le calendrier officiel figure sur la page du ministère de l’Économie consacrée à la facturation électronique.
Cette évolution réduit le besoin d’OCR pour les factures structurées. En effet, le logiciel peut directement exploiter les données intégrées au format électronique.
Un PDF classique ou une facture papier scannée ne répondent pas, à eux seuls, à cette logique de données structurées.
L’OCR reste néanmoins utile pour d’autres documents : tickets, notes de frais, archives et certaines factures reçues hors de ce nouveau circuit.
Notre article consacré à la facturation électronique pour les cabinets comptables détaille cette évolution.
Comment organiser un contrôle humain après l’OCR ?
Tout relire manuellement réduirait fortement l’intérêt de l’automatisation. À l’inverse, ne rien vérifier augmente le risque d’intégrer une mauvaise donnée.
La solution consiste donc à adapter le contrôle à l’importance de l’information.
- Repérez les champs critiques. Vérifiez systématiquement montants, dates, références et identifiants bancaires.
- Contrôlez les totaux. Un écart peut révéler une ligne ou une valeur mal reconnue.
- Conservez l’image originale. Elle permet de comparer rapidement la donnée extraite avec sa source.
- Signalez les incertitudes. Il vaut mieux identifier un doute que corriger au hasard.
- Séparez les documents difficiles. Manuscrits, photos médiocres et documents très annotés peuvent nécessiter une saisie humaine.
Cette organisation permet de concentrer le travail humain là où il apporte le plus de valeur.
Pour les professionnels de la comptabilité, notre page consacrée au secrétariat pour expert-comptable présente les tâches administratives qui peuvent être déléguées.
Notre article sur l’externalisation de la saisie comptable avec contrôle explique également comment conserver des points de vérification.
Vérifier la confidentialité des outils OCR
La précision n’est pas le seul critère à examiner. La confidentialité compte également, surtout lorsque le document contient des données sensibles.
Certains outils en ligne transmettent les fichiers vers des serveurs distants pour effectuer le traitement. Avant de les utiliser, il faut donc comprendre comment le service fonctionne.
Plusieurs questions méritent une réponse :
- où le document est-il traité ?
- combien de temps le fichier reste-t-il conservé ?
- le fournisseur réutilise-t-il les données ?
- quelles protections entourent les documents transmis ?
Ces vérifications deviennent particulièrement importantes pour des pièces médicales, juridiques, financières ou comportant des informations d’identité.
Lorsque l’outil intègre également de l’intelligence artificielle, notre article sur le règlement IA appliqué aux cabinets professionnels apporte un éclairage complémentaire.
Par ailleurs, notre support informatique à distance peut intervenir sur l’installation de certains outils bureautiques. Il ne remplace cependant pas l’analyse de conformité nécessaire avant l’utilisation d’une solution traitant des données sensibles.
Connaître les limites de l’OCR pour mieux l’utiliser
L’OCR n’est ni une solution universelle ni une technologie à éviter. Sur des documents adaptés, il permet d’automatiser rapidement une partie importante du traitement documentaire.
En revanche, un manuscrit, un tableau complexe, une annotation ou une mauvaise image peuvent créer des erreurs difficiles à repérer.
Comprendre les limites de l’OCR permet donc d’utiliser cette technologie au bon endroit. L’automatisation traite les documents simples. Ensuite, le contrôle humain se concentre sur les données où une erreur aurait une conséquence réelle.
Questions fréquentes sur les limites de l’OCR
Quelle différence existe entre OCR et HTR ?
L’OCR vise principalement les caractères imprimés. La HTR cherche plutôt à reconnaître l’écriture manuscrite. Cette dernière doit gérer davantage de variations entre les formes de lettres et les styles d’écriture.
L’OCR peut-il reconnaître une écriture manuscrite ?
Un OCR classique rencontre généralement davantage de difficultés sur un manuscrit. Des technologies spécialisées peuvent améliorer les résultats, surtout lorsque leurs modèles correspondent au type d’écriture traité.
Quelle résolution utiliser pour numériser un document ?
Une résolution suffisante améliore la reconnaissance, notamment pour les petits caractères. Le module PIAF consacré à la numérisation souligne notamment la dégradation des performances lorsque la résolution descend sous 300 dpi.
Pourquoi l’OCR peut-il se tromper sur un montant ?
Deux chiffres peuvent se ressembler ou être partiellement masqués. De plus, le logiciel ne signale pas toujours son incertitude. Il faut donc contrôler systématiquement les données financières importantes.
La facturation électronique rend-elle l’OCR inutile ?
Non. Les factures structurées réduisent le besoin de reconnaissance. Toutefois, l’OCR reste utile pour d’autres documents, notamment les tickets, notes de frais, archives et certaines pièces reçues hors des circuits structurés.
Un PDF classique constitue-t-il une facture électronique ?
Pas nécessairement. Dans le cadre de la réforme française, la facture électronique repose sur un format permettant notamment l’exploitation de données structurées. Un simple PDF ou un scan ne suffit donc pas à reproduire ce fonctionnement.
Faut-il relire entièrement chaque document traité par OCR ?
Pas toujours. Un contrôle proportionné consiste plutôt à vérifier les champs critiques et les documents difficiles. Ainsi, l’entreprise conserve le gain de temps tout en limitant les erreurs importantes.
Un outil OCR en ligne convient-il aux documents confidentiels ?
Cela dépend de ses conditions de traitement. Avant tout usage, vérifiez l’emplacement des serveurs, la durée de conservation, la sécurité et l’éventuelle réutilisation des documents.
