Boîte englobante (bounding box)

Une boîte englobante est un ensemble de coordonnées, généralement quatre nombres marquant les coins supérieur gauche et inférieur droit, qui indiquent l'emplacement sur une page d'un élément de donnée extrait spécifique. Elle permet à un système de traitement intelligent de documents (TID) de montrer exactement quels pixels ont produit une valeur donnée, plutôt que de simplement renvoyer la valeur seule. En pratique, c'est la preuve visuelle derrière chaque champ extrait.

Comment cela fonctionne

Lorsqu'un système de traitement de documents lit une page, il ne se contente pas de produire du texte, il suit également la position. Chaque mot, ligne ou cellule de tableau détecté par l'OCR ou un modèle vision-langage reçoit une boîte englobante, généralement exprimée en coordonnées (x1, y1, x2, y2) par rapport à l'image de la page, ou parfois en pourcentage de la largeur et de la hauteur de la page afin que la boîte s'adapte quelle que soit la résolution.

Pendant l'extraction, le système relie chaque champ de sortie à la boîte englobante (ou aux boîtes) qui l'a généré. Si un modèle lit "Total de la facture: 4 250,00 €" à un endroit précis de la page 2, la valeur extraite "4250,00" renvoie à cet emplacement exact. Certains documents nécessitent plusieurs boîtes par champ: une adresse multi-lignes, par exemple, peut s'étendre sur trois boîtes distinctes assemblées.

Les boîtes englobantes prennent également en charge les étapes ultérieures. Un score de confiance peut être lié à une région spécifique, de sorte qu'un réviseur sait non seulement qu'un champ est incertain, mais aussi où chercher sur la page pour le vérifier. L'extraction de tableaux repose fortement sur des boîtes englobantes imbriquées: une pour le tableau, une pour chaque ligne, une pour chaque cellule. Sans cette couche spatiale, un système peut extraire du texte mais ne peut pas indiquer à un humain d'où ce texte provient.

Pourquoi c'est important pour le traitement de documents

Les boîtes englobantes transforment l'extraction d'une boîte noire en quelque chose d'auditable. Un réviseur peut cliquer sur un champ signalé et voir la région mise en évidence sur la page originale au lieu de chercher dans un PDF de plusieurs pages. C'est important dans l'intégration KYC, où un agent de conformité doit confirmer qu'une date de naissance a été lue correctement, et dans les demandes d'indemnisation d'assurance, où un expert veut vérifier la ligne exacte qui a produit un chiffre de paiement.

Les boîtes englobantes sont également importantes pour établir la confiance dans le traitement direct. Si un système peut montrer son travail, les champs à faible confiance peuvent être acheminés vers un humain avec la région pertinente déjà mise en évidence, réduisant ainsi le temps de révision. Sans données de position, la gestion des exceptions devient un exercice de recherche manuelle, ce qui ralentit les choses et augmente le risque d'erreurs manquées. Pour les industries réglementées, cette traçabilité est souvent ce qui rend l'extraction automatisée défendable lors d'un audit, et c'est l'une des raisons pour lesquelles la fraude documentaire (voir notre note sur la fraude au Kbis) est plus facile à détecter lorsque les réviseurs peuvent voir la région source, et non pas seulement la valeur analysée.

Termes associés

• Score de confiance
• Extraction de tableaux
• Extraction clé-valeur
• OCR (Reconnaissance Optique de Caractères)
• Extraction de données

FAQ

Tous les systèmes TID génèrent-ils des boîtes englobantes ?

Non. Certains systèmes ne renvoient que des valeurs extraites sans référence spatiale, ce qui rend la vérification plus difficile. Les systèmes conçus pour les flux de travail réglementés, tels que l'intégration KYC ou l'examen de contrats, incluent généralement des boîtes englobantes par défaut, car les auditeurs et les réviseurs doivent pouvoir tracer chaque valeur jusqu'à son emplacement source sur la page.

Une boîte englobante peut-elle couvrir plus d'un mot ou d'un champ ?

Oui. Une seule boîte peut couvrir une phrase, une cellule de tableau ou un paragraphe entier, selon la façon dont le modèle d'extraction regroupe le contenu. Pour les données structurées comme les tableaux, les systèmes utilisent généralement des boîtes imbriquées: une pour le tableau global, et des plus petites pour chaque ligne et cellule à l'intérieur.