Une valeur extraite doit pouvoir être retrouvée dans sa source.

Une facture, un relevé et des statuts ne décrivent pas les mêmes objets. Avant toute extraction, il faut fixer ce qu’on cherche : un montant avec sa devise, une période, une dénomination complète ou une fonction exercée à une date donnée. Une simple liste de mots reconnus ne suffit pas à alimenter un dossier sans ambiguïté.

La reconnaissance de caractères peut aider à lire une image ; un modèle peut proposer une structure. Les deux peuvent échouer, notamment sur des tableaux, des pages manquantes ou une mauvaise numérisation. Le système doit préserver la distinction entre une valeur présente dans la source, une déduction et une absence d’information.

Le parcours proposé associe chaque champ à un document identifié et à un passage vérifiable. Une interface de revue peut montrer la page et la valeur côte à côte, avec la possibilité de revenir au texte d’origine. Une référence de page exacte est plus utile qu’une explication fluide impossible à contrôler. La source doit rester stable même si le résultat est corrigé.

Les contrôles dépendent du document : vérifier le format d’une date, distinguer débit et crédit, conserver les devises, signaler deux totaux incompatibles. Ces contrôles indiquent des écarts ; ils ne certifient pas l’authenticité de la pièce. Les valeurs incertaines et les cas sans réponse doivent être visibles sans qu’un score rassurant masque un défaut de lecture.

Un essai doit mesurer les résultats champ par champ sur un jeu de référence défini à l’avance. Il comprend des documents synthétiques lisibles, mais aussi des scans inclinés, des cellules vides et des chiffres ambigus. La mesure doit distinguer valeur correcte, valeur erronée et abstention : produire moins de réponses peut être préférable à remplir des cases à tort.

Le temps de revue compte autant que la précision brute. On peut comparer une saisie manuelle à une proposition accompagnée de sa source, puis examiner où la correction devient plus longue que la saisie. Une nouvelle version du modèle, de ses instructions ou du découpage des pages doit être réévaluée ; aucun taux universel n’est annoncé pour des documents encore inconnus.

Le traitement documentaire ne concerne pas seulement l’original : les images des pages, les champs extraits et les journaux techniques demandent également des règles d’accès et de conservation adaptées. La passation explique comment retrouver la source d’une valeur, la corriger et exporter le résultat relu sans perdre ce lien. L’organisation définit qui peut ouvrir l’original et qui a seulement besoin des informations préparées. Reconnaître un nom ou un chiffre reste distinct d’une vérification d’identité ou d’une acceptation client.

Dans Vedetta, l’extraction fait partie du périmètre envisagé pour préparer les dossiers de vigilance de toutes les professions concernées. Le produit et ses échanges restent à construire et à vérifier. Les travaux actuels utilisent des pièces synthétiques ; l’intégration ne constitue ni une vérification d’identité ni une décision sur l’acceptation d’une relation.