Extraction de tickets de caisse et reçus

Un reçu est un court justificatif d'achat, généralement imprimé sur papier thermique ou envoyé par e-mail sous forme de PDF, émis par un commerçant, un restaurant ou un prestataire de services au moment de la vente. Les salariés, les équipes finance et les systèmes de notes de frais les traitent pour rembourser les dépenses, rapprocher les comptes et justifier les déductions fiscales. L'extraction automatisée récupère le commerçant, les montants et le détail des lignes sous forme de données structurées, sans que personne n'ait à ressaisir un ticket délavé, un enjeu important puisque les reçus arrivent en grand nombre et se perdent facilement. Bien menée, elle permet aussi de repérer les fraudes et les doublons avant qu'ils ne remontent en comptabilité.

Champs à extraire

Pourquoi ce document est difficile à traiter

Les reçus sont le type de document le plus délicat à gérer pour la plupart des équipes finance. L'encre des imprimantes thermiques s'efface en quelques mois, et au moment où la note de frais est déposée, une partie du texte a déjà disparu. Les mises en page varient énormément : un ticket de supermarché énumère quarante articles dans une grille dense, tandis qu'un reçu de taxi se limite à trois lignes et un tampon. Les photos prises au smartphone ajoutent des reflets, des inclinaisons et des bords coupés. De nombreux reçus arrivent désormais sous forme de PDF issus de commandes en ligne plutôt que sur papier, ce qui double la variété de formats qu'un système doit gérer.

La langue et la devise ajoutent une difficulté supplémentaire : un salarié en déplacement à l'étranger soumet un reçu en japonais avec des montants en yens, et le même pipeline d'extraction doit gérer ce cas aussi bien qu'un ticket de boulangerie française. Les ajouts manuscrits (un pourboire griffonné, un total corrigé) perturbent les OCR classiques. Les reçus multipages, comme les factures détaillées d'hôtel, nécessitent de relier les lignes au bon total sur plusieurs pages.

La fraude est aussi une vraie préoccupation : totaux modifiés, soumissions en double, et de plus en plus, de faux reçus générés par IA qui semblent convaincants à première vue mais échouent aux contrôles de métadonnées ou d'arithmétique. Un système reposant uniquement sur la reconnaissance de modèles à partir de gabarits propres s'effondre dès qu'un reçu paraît légèrement inhabituel, ce qui est le cas de la plupart d'entre eux. C'est pourquoi les approches OCR vs VLM brutes donnent des résultats si différents sur les reçus par rapport aux factures structurées.

Comment Sygnet traite ce document

Sygnet commence par classifier le document (reçu, facture, ou autre) avant de lancer l'extraction, afin que la logique en aval applique le bon schéma. Chaque valeur extraite est accompagnée d'un score de confiance par champ, et pas seulement par document, si bien qu'un total flou sera signalé même si le nom du commerçant est parfaitement lisible. Chaque valeur extraite conserve une traçabilité par zone de délimitation (bounding box), ce qui permet de cliquer sur un champ dans le résultat et de voir exactement où il apparaît sur l'image source, un point essentiel lorsqu'un auditeur demande comment un chiffre a été obtenu (voir traçabilité au niveau du champ).

Des règles de validation s'exécutent automatiquement : contrôles arithmétiques, cohérence des dates, plausibilité du taux de taxe, et contrôles croisés avec la note de frais ou le bon de commande associé. Les champs à faible confiance, les scans dégradés ou les reçus qui échouent à une règle de validation sont routés vers une relecture humaine ; tout le reste passe directement. Ce modèle sélectif d'humain dans la boucle (human-in-the-loop) permet de maintenir un débit élevé sans prétendre que chaque photo floue est exploitable par une machine. La même architecture sous-tend l'extraction de données de factures de Sygnet, adaptée ici à la structure plus courte et plus bruitée typique des reçus.

Règles de validation à appliquer

• Vérifier que le sous-total plus la taxe correspond au total imprimé, avec une tolérance d'arrondi.
• Contrôler le format du numéro fiscal et sa clé de contrôle selon le pays du commerçant (SIREN et SIRET pour la France).
• Signaler les reçus datés dans le futur ou plus anciens que ce que permet la politique de notes de frais.
• Recouper le moyen de paiement et les quatre derniers chiffres de la carte avec la carte enregistrée du salarié.
• Détecter les numéros de reçu ou montants soumis en double.
• Comparer le taux de taxe aux taux plausibles selon la juridiction et la catégorie du commerçant.
• Effectuer une détection de fraude documentaire de base : polices incohérentes, métadonnées non concordantes, ou signes d'altération numérique.

FAQ

Sygnet peut-il traiter des reçus photographiés au smartphone ?

Oui. Le système est conçu pour gérer les inclinaisons, les reflets et les recadrages partiels courants dans les photos prises au smartphone, pas seulement les scans à plat. Les scores de confiance baissent lorsque la qualité d'image limite réellement la lisibilité, et ces cas sont alors routés vers une relecture humaine plutôt que de faire l'objet d'une estimation hasardeuse. La précision dépend davantage de l'état d'impression que du mode de capture.

Comment Sygnet détecte-t-il les reçus falsifiés ou altérés ?

Il combine des contrôles arithmétiques et de métadonnées (le total correspond-il aux lignes, le taux de taxe est-il cohérent avec la juridiction) avec une analyse de motifs sur le document lui-même. Cela permet de repérer aussi bien les modifications grossières que les faux générés par IA plus convaincants, qui échouent souvent à des contrôles de cohérence subtils même lorsqu'ils paraissent propres visuellement.

Cela s'intègre-t-il avec les systèmes de gestion des notes de frais ?

Oui, via une sortie structurée et des webhooks qui poussent les données validées vers votre système de notes de frais ou votre ERP au fur et à mesure de leur validation. Des clés d'idempotence empêchent les soumissions en double de générer des remboursements en double, un cas de défaillance fréquent lorsque des salariés soumettent à nouveau un reçu après une erreur.