L’art de l’automatisation : chapitre 3 – Traitement intelligent des documents

• L’essor de l’IA dans le traitement des documents
• Le traitement intelligent des documents est conçu pour extraire les données critiques appartenant à l’entreprise afin de prendre de meilleures décisions plus rapidement et de contribuer à la performance de l’entreprise
• Trois exemples de traitement intelligent des documents
• IBM et le traitement intelligent des documents

L’art de l’automatisation : table des matières

L’explosion du contenu numérique a généré de nombreuses variantes de formats et de mises en page des documents, ainsi que de nouveaux canaux d’entrée de qualité ou de capacité de compréhension variables. Tout le monde peut se retrouver sur la banquette arrière d’un véhicule lors d’un covoiturage en train de prendre une photo d’une facture d’électricité pour solliciter un permis de stationnement urgent. Il peut également s’agir d’échanger des e-mails avec un patient ou d’essayer de traiter une demande de remboursement des frais de santé tout en télétravaillant. En 2018, Forbes a déclaré que les deux années précédentes avaient généré 90 % des données dans le monde. On ne peut qu’imaginer à quel point cela s’est accéléré en 2020 entre le télétravail, la télémédecine, les engagements sociaux numériques et bien plus encore.

Outre l’explosion du contenu numérique et des canaux d’entrée, la technologie et les techniques d’acquisition existantes ne peuvent plus évoluer. Par exemple, la fonctionnalité d’empreinte digitale a été utilisée pour spécifier des zones de reconnaissance et des informations de localisation afin d’extraire les données précises nécessaires pour des formats de documents spécifiques ou des correspondances du même type. Toutefois, compte tenu du grand nombre de formats de documents uniques issus de nouveaux programmes sociaux ou économiques ou de nouvelles relations interentreprises, la mise en place de ces documents prend du temps au détriment de la conclusion d’affaires, de l’amélioration de l’économie ou du progrès du bien-être social des citoyens. En outre, les feuilles de séparation telles que les en-têtes ou les codes-barres pour identifier les composants d’une application ne sont pas efficaces lorsque les entrées proviennent de différents canaux tels que le mobile, le courrier électronique et les formulaires en ligne.

Les résultats sont tels que les entreprises consacrent de plus en plus de temps au traitement manuel des documents, où on n’il n’est pas possible d’invoquer un fax de mauvaise qualité. Une enquête menée en 2019 par Levvel Research a révélé que 57 % des données de facturation sont saisies manuellement et 49 % des validations de factures nécessitaient deux ou trois approbateurs.

Bien que l’intelligence artificielle (IA) ne soit pas une nouveauté, il a été difficile pour les entreprises de l’utiliser avec succès pour le traitement de documents semi-structurés et non structurés. L’utilisation de l’IA a nécessité des compétences considérables en science des données et des milliers d’exemples de documents pour entraîner des modèles. Cela a entraîné de longs cycles de collecte de documents et de données avant que les avantages commerciaux ne deviennent une réalité.

Cependant, les progrès de l’IA et de la simplicité des outils ont permis d’accélérer l’utilisation dans le domaine du traitement des documents. Tout d’abord, les algorithmes d’apprentissage en profondeur sont apparus et ont commencé à imiter la pensée d’un cerveau humain. Ces algorithmes peuvent identifier des modèles contextuels valides pour mieux comprendre les informations non structurées (comme le contenu d’un document) et appliquer cet apprentissage à des choses qu’ils n’ont pas encore vues auparavant : c’est ce que l’on appelle l’apprentissage par transfert. Il permet de réduire le processus de collecte des documents et les cycles de formation prolongés. Deuxièmement, les outils no-code avec des guides simples étape par étape permettent aux utilisateurs professionnels d’entraîner facilement des modèles d’IA, de formater ou de convertir la production de données et de personnaliser la tolérance aux risques pour l’entreprise.

Bien que la mise en œuvre du traitement intelligent des documents et l’utilisation des modèles IA puissent différer d’un fournisseur à l’autre, les activités de base restent les mêmes :

1. Classification des documents
2. Extraction de données
3. Sortie de données

Tout d’abord, la classification des documents est la tâche qui vous permet d’identifier les types de documents, par exemple une facture ou un formulaire fiscal. À l’aide d’un ensemble d’exemples de documents, on peut entraîner un modèle de classification d’IA sur les différents types de documents et les champs et les valeurs qui correspondent à ces types de documents. Cette activité alimente non seulement l’activité suivante d’extraction de données, mais permet également l’apprentissage par transfert pour d’autres types de documents similaires et facilite la recherche de documents dans les référentiels de contenu.

Ensuite,l’extraction intelligente de données est l’activité principale qui permet d’extraire des informations importantes et pertinentes de la page. Cela consiste à identifier des paires clé-valeur comme un numéro de compte ou un montant dû, à définir à quoi les données doivent ressembler et à où elles pourraient se trouver sur la page et à entraîner les modèles IA pour les informations pertinentes dans chacun des différents types de documents. Lors de cette étape, des métadonnées peuvent également être extraites et associées au document afin de simplifier une recherche ultérieure.

Enfin, la sortie des données consiste à enrichir les données extraites et à créer le fichier de sortie final pour une utilisation en aval. Les modèles basés sur l’IA peuvent être utilisés pour corriger automatiquement les fautes d’orthographe courantes, convertir les données dans des formats de sortie standard (par exemple, un numéro de téléphone) et formater les données pour les rendre cohérentes (par exemple, deux décimales pour les valeurs monétaires). La dernière étape consiste à créer le fichier de sortie (généralement un fichier JSON) qui peut ensuite alimenter un workflow ou être transmis à un référentiel de contenu pour une utilisation ultérieure.

L’un des principaux bénéficiaires du traitement intelligent des documents est l’automatisation des processus, grâce à laquelle des données structurées déjà validées peuvent être intégrées aux transactions, pour un traitement plus rapide et des opérations évolutives. Par exemple, la configuration manuelle d’un workflow, la saisie et la validation des données prenaient auparavant des heures à un(e) employé(e). Une intégration entre le traitement intelligent des documents et le workflow peut éliminer ces étapes manuelles et la sortie des données peut être automatiquement intégrée à un processus métier. De même, des données de mauvaise qualité introduites dans un bot d’automatisation robotisée des processus (RPA) peuvent compromettre une étape ultérieure, ce qui peut conduire à un goulot d’étranglement ou à une erreur dans un processus métier. En tirant parti de la production en continu du traitement intelligent des documents, un bot RPA peut s’adapter plus facilement à l’ensemble de l’entreprise. Enfin, les tableaux de bord de visualisation peuvent permettre aux utilisateurs professionnels de découvrir des modèles et des informations liés aux données extraites ou aux goulots d’étranglement dans les processus métier, ce qui peut conduire à une prise de décision plus éclairée.

Pour en savoir plus sur le rôle de la RPA dans l’automatisation, consultez « L’art de l’automatisation : chapitre 2 — Automatisation des processus robotisés (RPA) ».

Il existe une demande forte pour l’automatisation du traitement des documents. En effet, associer l’intelligence artificielle (IA) et les outils low-code permettra aux organisations d’améliorer la productivité des travailleurs et les performances de l’entreprise. 

En travaillant avec nos propres clients IBM, nous avons découvert un certain nombre de cas d’utilisation où le traitement intelligent des documents peut être appliqué. Nous allons vous présenter trois exemples de cas d’utilisation ci-dessous et les avantages potentiels dont une entreprise peut bénéficier.

• Assurance : ouverture et gestion des comptes, réclamations des particuliers et des entreprises
• Gouvernement : inscription et éligibilité aux services sociaux, régimes de pension et de retraite, permis et licences
• Banque : ouverture et gestion des comptes, demande de prêt/d’hypothèques

Demande de devis et de validation dans le secteur de l’assurance commerciale

Le processus de devis et d’approbation pour l’assurance commerciale est très compétitif, puisque la première entreprise à proposer un devis remporte souvent le marché. Dans de nombreuses compagnies d’assurance, la difficulté est que ce processus nécessite un avis manuel, la saisie des données de la demande et la lecture de la documentation, ce qui complique la compétitivité ou l’évolutivité. Cela détourne également les agents des services de conseil, nécessaires pour conserver et développer les activités existantes. Le traitement intelligent des documents peut automatiser ce processus en utilisant l’IA avec l’apprentissage en profondeur pour lire et classer chaque type de document et extraire les données appropriées de ces différents formats. Les données extraites peuvent ensuite être connectées à un workflow pour accélérer le traitement des entreprises pour produire le devis et approuver la demande.

Les trois avantages potentiels de l’application d’une gestion intelligente des documents sont les suivants :

1. Développement des revenus en augmentant le nombre de dossiers traités sans qu’il soit nécessaire
   d’embaucher du personnel.
2. Amélioration de l’expérience client grâce à des délais de traitement réduits.
3. Rétention et croissance des comptes clients existants.

Candidature de traitement d’inscription aux services sociaux

L’inscription à des dizaines de programmes locaux du gouvernement, tels que l’aide alimentaire ou les aides au logement, nécessite un traitement manuel et inefficace de feuilles de calcul, car les équipes informatiques n’ont pas les ressources pour créer les solutions requises. Grâce à des outils low-code et au traitement intelligent des documents, les utilisateurs professionnels peuvent créer des demandes de traitement simples, mais adaptées, et entraîner le système à reconnaître les champs clés des formulaires d’inscription. En outre, les valideurs faciles à configurer peuvent garantir une reconnaissance précise des champs de date et des champs de devise, et des valideurs simples et personnalisés peuvent également être créés pour gérer des champs uniques tels qu’un numéro de sécurité sociale.

Les trois avantages potentiels de l’application d’une gestion intelligente des documents sont les suivants :

1. Augmentation du nombre d’inscriptions aux programmes en raison de délais de traitement plus rapides.
2. Déploiement rentable de solutions d’automatisation personnalisées avec visualisation appropriée des données personnelles, basée sur les rôles.
3. Développement par des utilisateurs professionnels avec peu ou pas de participation du service informatique.

Gestion des comptes pour les services bancaires personnels

Les banques peuvent avoir plus de 20 formulaires de gestion de compte différents disponibles en téléchargement sur leur site Web. Les titulaires de compte utilisent ces formulaires pour modifier leurs comptes ou les clôturer. Aujourd’hui, cela peut mobiliser une équipe importante pour lire ces formulaires, vérifier les données, puis les saisir dans un système de Gestion de comptes. Cependant, grâce aux outils low-code et au traitement intelligent des documents, la banque peut rapidement créer des solutions pour traiter chaque formulaire de gestion de compte et utiliser le traitement intelligent des documents pour entraîner le système sur chaque formulaire afin de reconnaître les champs courants tels que l’adresse du client et le numéro de compte, mais aussi des champs spécifiques à chaque formulaire.

En associant la RPA, la banque peut également prendre les données extraites et automatiser les modifications dans ses systèmes backend. De plus, grâce à la classification intelligente des documents, les formulaires de clôture de compte peuvent rapidement être signalés et les agents alertés par les clients en cas de risque de vol.

Les trois avantages potentiels de l’application d’une gestion intelligente des documents sont les suivants :

1. Amélioration de l’expérience client avec des temps de réponse plus rapides.
2. Meilleure rétention client grâce à l’identification intelligente des risques liés aux vols.
3. Réduction des coûts des services bancaires de détail par compte.

L’approche d’IBM en matière de traitement intelligent des documents se reflète dans IBM® Cloud Pak for Business Automation. Solution cloud native, Automation Document Processing est un ensemble de services alimentés par l’IA qui lisent et corrigent automatiquement les données des documents. Un concepteur de traitement de documents fournit une interface no-code conviviale pour entraîner des modèles à la classification des documents, à l’extraction et à l’enrichissement des données.

En outre, IBM propose des modèles d’applications de traitement des documents qui peuvent être utilisés pour traiter des documents d’une seule page ou des lots de documents. Les outils dans l’application Designer peuvent également être utilisés pour personnaliser l’application de l’utilisateur final afin qu’elle ressemble à d’autres applications au sein d’une entreprise. Enfin, IBM fournit des outils de déploiement simples et une intégration prête à l’emploi avec ses capacités de services de contenu, IBM FileNet Content Manager, pour stocker les documents et le fichier de sortie de données.

Bien que ce chapitre livrait un aperçu de la manière dont le traitement des documents était prêt à évoluer et des domaines dans lesquels l’IA joue un rôle majeur dans les progrès dans ce domaine, d’autres innovations sont à venir dans ce domaine. Il existe deux domaines clés à surveiller en particulier. Tout d’abord, les formats et les structures des documents semi-structurés et non structurés continuant à exploser, les modèles IA devront suivre le rythme. De la lecture de structures de tables très complexes au traitement des pièces d’identité émises par le gouvernement avec des hologrammes ou des filigranes, les modèles d’IA devront relever le défi de la précision.

Deuxièmement, alors que cet espace a été inventé sous le nom de traitement intelligent des documents, les types de fichiers vidéo et audio sont en plein essor. Ce n’est qu’une question de temps avant que ces types de fichiers ne se retrouvent sur le chemin critique du traitement des demandes d’indemnisation ou de l’établissement des rapports de police.

Ces développement futurs seront à coup sûr passionnants.

N’hésitez pas à regarder le podcast The Art of automatisation, en particulier l’épisode 7, dans lequel je reçois Jerry Cuomo pour discuter du traitement intelligent des documents.