Durée : 29:26 | 
Langue : Anglais | 
Publication originale au 2025-07-08
Résumé de la vidéo
Dans cette démonstration détaillée, Clint présente la construction d’un flux d’automatisation capable de traiter des factures au format PDF grâce à un modèle d’intelligence artificielle personnalisé, puis de comparer automatiquement les données extraites avec un tableau interne de commandes attendues stocké dans un tableur.
L’approche commence par la création d’un modèle d’extraction d’informations dans le concentrateur d’intelligence artificielle. L’auteur entraîne ce modèle sur plusieurs factures échantillons en balisant les champs fixes comme le numéro de bon de commande et le total d’expédition, ainsi qu’un tableau contenant les articles, quantités et montants. Une fois le modèle entraîné et publié, il devient disponible pour les flux.
Le flux lui-même se déclenche manuellement par le dépôt d’un fichier PDF. L’action de traitement de documents applique le modèle personnalisé pour obtenir une sortie structurée. Parallèlement, le flux liste les lignes d’une table du tableur contenant les quantités et articles attendus par numéro de bon de commande. Un filtrage restreint ensuite ces lignes au bon de commande détecté sur la facture.
Deux boucles imbriquées parcourent ensuite les produits attendus et les lignes extraites par l’intelligence artificielle. Des conditions comparent l’identifiant de l’article et la quantité. Selon le résultat, une chaîne est ajoutée à une variable indiquant une correspondance exacte ou un écart, avec les valeurs respectives. Ces données sont finalement concaténées dans un fichier de valeurs séparées par des virgules préexistant, prêt à alimenter des rapports.
Des tests sur plusieurs factures illustrent le fonctionnement : détection correcte des correspondances et des écarts de quantité, génération du fichier de résultats en une trentaine de secondes. L’auteur souligne les possibilités d’extension vers des tableaux de bord et évoque des améliorations possibles, comme le signalement des articles manquants. Ce contenu offre une solution concrète pour éliminer la vérification manuelle fastidieuse des réceptions de marchandises.
L’évaluation de la rédaction
Ce tutoriel se distingue par une créativité solide dans l’assemblage d’un modèle d’extraction personnalisé et de boucles conditionnelles pour une réconciliation précise entre documents scannés et données internes. Sur le plan de l’application pratique, il répond parfaitement à un besoin métier courant de contrôle des factures fournisseurs, en produisant un fichier exploitable immédiatement pour le suivi des écarts. La pédagogie s’avère claire et progressive : l’auteur montre le balisage des documents, la construction du schéma, le filtrage et les tests en direct, même si certains détails techniques comme la conception exacte du schéma demandent une attention soutenue. La popularité demeure modeste au regard du taux d’engagement observé, ce qui n’enlève rien à la valeur unique de la démonstration qui allie intelligence artificielle documentaire et automatisation pour transformer une tâche répétitive en processus fiable et traçable.
