KomuraSoft LLC
Nous contacter
Menu

Lire les bons de commande reçus par fax avec AI Builder — une conception réaliste pour réduire la saisie manuelle, et ses limites

· · Power Automate, AI Builder, Commandes par fax, OCR, SharePoint, Gestion des commandes, Automatisation des processus métier, Conseil technique

« 40 % de nos commandes arrivent encore par fax. Nous regardons le bon de commande qui sort du copieur multifonction et nous le saisissons ligne par ligne dans le système de gestion des ventes. » C’est un témoignage que nous entendons vraiment très souvent dans les consultations avec des entreprises industrielles ou de gros. Suivent généralement des précisions comme « nous ne sommes pas en position de demander à nos clients de passer commande sur le web » ou « plus le client est important, plus son propre système de commande impose l’envoi par fax, et on ne peut rien y changer ».

Il existe globalement deux voies pour améliorer les commandes par fax. La première consiste à migrer vers la commande web ou l’import CSV pour « arrêter le fax ». La seconde consiste à continuer de recevoir des fax tout en automatisant la lecture et la transcription, pour « composer avec un fax qu’on ne peut pas abandonner ». Nous avons traité la première dans un autre article, « Faire migrer les commandes par FAX vers le web — concevoir la période de double fonctionnement et une migration par étapes ». Cet article-ci traite de la seconde : recevoir le fax sous forme de données (PDF), le lire avec le traitement de documents d’AI Builder, puis le relier — via une vérification humaine — au registre des commandes et au système central.

Précisons d’emblée que ce dispositif ne deviendra pas « entièrement automatique », et qu’il ne devrait d’ailleurs pas l’être. Cela dit, si l’on peut compresser une à deux heures de transcription quotidienne en quelques dizaines de minutes de « simple vérification des résultats de lecture », l’investissement en vaudra la peine pour beaucoup d’entreprises. Nous détaillons ci-dessous, en nous appuyant sur les spécifications vérifiables sur Microsoft Learn, jusqu’où on peut automatiser et où commencent les limites.

1. La conclusion, d’abord

  • Le préalable de l’automatisation de la lecture des fax, c’est de recevoir les fax sous forme de données (PDF) plutôt que sur papier. Cela commence par la fonction de transfert de fax du copieur multifonction ou un service de fax cloud pour numériser les fax reçus, puis les centraliser dans SharePoint.
  • Le modèle personnalisé de traitement de documents d’AI Builder peut extraire des champs et des tableaux à partir de formulaires à mise en page propre, comme les bons de commande. L’entraînement se fait par unité de « collection » (formulaires ayant la même mise en page), et il faut au minimum 5 échantillons par collection (20 au maximum).12
  • Les deux types d’apprentissage (documents à modèle fixe / documents généraux) prennent en charge le japonais, et la FAQ précise explicitement la prise en charge de l’extraction de texte manuscrit. Toutefois, la précision réelle atteignable sur des formulaires de qualité fax doit toujours être vérifiée avec vos propres échantillons.32
  • Le cœur du flux, c’est le tri par score de confiance. Chaque champ extrait obtient un score de 0 à 1, il faut donc construire un branchement où les cas à haute confiance vont automatiquement au registre, et les cas à faible confiance vont à une vérification humaine. Sans abandonner le principe que quelqu’un examine tout, on conçoit le système pour que « la vérification devienne plus facile ».4
  • N’essayez pas de lire les formulaires de tous les clients. Comme le mécanisme sépare les collections par mise en page, il suffit de couvrir uniquement les bons de commande standardisés des clients représentant le plus gros volume pour obtenir un effet. Pour les formulaires de faible qualité, il est officiellement recommandé d’augmenter le nombre d’échantillons à 15-20.25
  • AI Builder nécessite des crédits consommables séparés. Le traitement de documents consomme des crédits par page, et les modèles personnalisés ont un taux plus élevé que les modèles préconstruits. Avec l’abandon progressif des crédits AI Builder annoncé en octobre 2025, le système est en cours de migration vers les crédits Copilot.67
  • La lecture n’est pas une solution universelle. Selon le volume, le nombre de clients et le degré de standardisation des formulaires, la migration vers la commande web ou l’EDI peut rester la voie principale (tableau de décision au chapitre 8).

2. « Arrêter » et « lire » — ne pas mélanger les deux voies

Quand nous recevons une consultation sur les commandes par fax, la première chose que nous vérifions est : « ce partenaire peut-il abandonner le fax ? »

La migration vers la commande web est une démarche qui demande à vos clients de changer leur comportement. Comme nous l’avons écrit dans l’article sur la migration par étapes, on migre en priorité les clients à fort volume capables de s’adapter techniquement, réduisant ainsi la saisie manuelle là où l’effet est le plus grand. Mais certains clients resteront, quoi qu’il arrive, impossibles à faire bouger. Leur processus de commande fonctionne sur la base du fax, le vieillissement de leur personnel les empêche de saisir sur le web, ou tout simplement votre entreprise n’est pas en position de « demander » quoi que ce soit — il est réaliste de considérer que le fax de ces partenaires-là restera pendant plusieurs années.

C’est là qu’intervient la voie de la « lecture ». Le point important, c’est que ces deux voies ne s’excluent pas mutuellement.

Voie Interlocuteur Changement côté entreprise Changement côté client
Arrêter (migrer vers la commande web / import CSV) Clients coopératifs Développement du point d’accueil, mise en ordre des référentiels La méthode de commande change
Lire (cet article) Clients qui ne peuvent pas abandonner le fax Numérisation de la réception et flux de lecture Aucun

Le plus grand avantage de la voie « lecture », c’est qu’elle ne demande aucun changement au client. Elle fonctionne aussi comme un moyen de réduire le coût de traitement du canal fax pendant la période de double fonctionnement d’une migration par étapes. À l’inverse, ses limites sont claires : la précision de lecture n’atteindra jamais 100 %, donc l’étape de vérification subsiste toujours. Essayer de lire tous les formulaires dont la mise en page diffère selon le client épuise les ressources consacrées à la maintenance du modèle. C’est précisément pourquoi il faut penser en combinaison : migrer les clients qu’on peut migrer, et lire le fax de ceux qui restent.

Notez que le traitement des bons de commande arrivant en pièce jointe PDF par e-mail a été traité dans « Automatiser le traitement des bons de commande et factures PDF reçus par e-mail avec Power Automate — conception de l’enregistrement, du tri, de la notification et de la lecture ». Si vous recevez le fax via un transfert par e-mail, la conception à partir de la réception rejoint le point de convergence entre cet article et l’article sur les e-mails.

3. Préalable : recevoir le fax comme « donnée » — impossible de commencer avec du papier

Tout ce qu’on peut transmettre à AI Builder, ce sont des fichiers. Une organisation qui re-numérise le papier imprimé par le copieur multifonction ne fait que déplacer l’effort de la transcription vers la numérisation — ce n’est pas de l’automatisation. La première chose à faire est de mettre en place un circuit où le fax reçu est enregistré comme fichier sans intervention humaine. Il existe deux options réalistes.

  • La fonction de transfert de fax du copieur multifonction. La plupart des copieurs professionnels peuvent enregistrer le fax reçu dans un dossier désigné sans l’imprimer (numérisation vers dossier), ou le transférer en pièce jointe par e-mail. Vérifiez la configuration auprès du manuel du modèle et de votre prestataire de maintenance.
  • Un service de fax cloud. Le numéro de fax lui-même est déplacé vers un service cloud, qui reçoit les fax et les livre sous forme de PDF par e-mail ou API. Cela permet de numériser sans remplacer le copieur, mais il faut vérifier au cas par cas la portabilité du numéro et la tarification propres à chaque service.

Quel que soit le circuit choisi, nous recommandons de faire converger le tout vers une bibliothèque de documents SharePoint. Le connecteur SharePoint dispose du déclencheur « Quand un fichier est créé (propriétés uniquement) » et de l’action « Obtenir le contenu du fichier », ce qui permet d’utiliser directement l’enregistrement comme point de départ du flux de lecture en aval.8 Si vous recevez par transfert e-mail, placez en amont un flux qui reçoit via une boîte aux lettres partagée et enregistre le PDF en pièce jointe dans SharePoint (cette conception reprend telle quelle les chapitres 3 et 4 de l’article sur les e-mails).

Un point d’attention concernant le format de fichier. Selon la configuration de transfert du copieur multifonction, le fax peut être enregistré au format TIFF. Le traitement de documents d’AI Builder n’accepte que PDF, JPG et PNG pour l’entraînement du modèle, mais peut aussi traiter le TIFF lors de l’exécution d’un modèle déjà entraîné dans un flux cloud.3 Cela dit, en pensant à la préparation des échantillons d’entraînement, il est plus simple de choisir directement une sortie PDF dans la configuration de transfert. Retenez aussi les limites de traitement : 20 Mo maximum par fichier, et pour les images, entre 50×50 et 10 000×10 000 pixels.3

4. Ce que permet le traitement de documents d’AI Builder

Le fonctionnement de l’entraînement d’un modèle personnalisé

Le traitement de documents d’AI Builder est un modèle d’IA personnalisé, entraîné à l’aide de formulaires échantillons pour apprendre « où se trouve quoi sur ce formulaire ». Lors de la création d’un modèle, vous choisissez d’abord le type de document.1

Type de document Formulaires adaptés Caractéristiques
Documents à modèle fixe Factures, bons de commande, bons de livraison, etc. — formulaires dont la position des champs est fixée par mise en page Entraînement rapide. Seul ce type dispose de la fonction d’évaluation par score de précision5
Documents généraux Contrats, lettres, etc. — documents sans structure fixe Grande capacité d’extraction, mais entraînement plus long
Facture Pour ajouter des champs personnalisés au modèle préconstruit de traitement des factures Champs par défaut + entraînement additionnel

Pour les bons de commande standardisés d’un client, le choix de base est documents à modèle fixe. Vient ensuite la définition des informations à extraire : champs (numéro de commande, date de commande, nom du client, lieu de livraison, etc.), tableaux (lignes de détail article/quantité/prix unitaire), et cases à cocher peuvent tous être spécifiés.1

L’unité d’entraînement est la collection. Une collection est « un groupe de formulaires ayant la même mise en page » : des bons de commande de mises en page différentes, comme celui du client A et celui de l’entreprise B, doivent être répartis dans des collections distinctes. Chaque collection reçoit au minimum 5 documents échantillons téléversés, dont on étiquette la position des champs et des tableaux pour l’entraînement. Une collection peut contenir jusqu’à 20 échantillons, et un modèle jusqu’à 200 collections.13 Pour des documents de haute qualité, 5 échantillons suffisent souvent, mais pour des numérisations de faible qualité, la FAQ officielle recommande d’en utiliser 15 à 20.2

Les étapes de création du modèle

Comme l’entraînement et le test ne consomment pas de crédits9, le plus rapide est de commencer par essayer de créer un modèle. Voici le cheminement à l’écran (les noms de menus suivent la terminologie de Microsoft Learn).1

  1. Connectez-vous à Power Apps (make.powerapps.com) ou à Power Automate (make.powerautomate.com).
  2. Ouvrez … More (Autres) > AI hub dans le volet gauche. Si vous l’utilisez souvent, épinglez-le pour plus de commodité.
  3. Dans Discover an AI capability, choisissez AI models.
  4. Sélectionnez Extract custom information from documents (extraire des informations personnalisées de documents).
  5. Sélectionnez Create custom model pour démarrer l’assistant.
  6. Dans Choose document type, choisissez le type de document. Pour un bon de commande standardisé d’un client, c’est Fixed template documents (documents à modèle fixe).
  7. Dans Choose information to extract, utilisez +Add pour définir les éléments à extraire. Vous pouvez ajouter du texte, des nombres, des dates, des cases à cocher et des tableaux ; c’est ici que vous précisez le symbole décimal des nombres (. ou ,), l’ordre des composantes de date, et la structure des colonnes des tableaux.
  8. Créez une collection par mise en page, et téléversez pour chacune au moins 5 échantillons (JPG, PNG, PDF). Si deux clients ont des formats différents, créez deux collections.
  9. Sur chaque échantillon téléversé, étiquetez les zones correspondant aux éléments définis à l’étape 7.
  10. Entraînez avec Train, puis essayez avec Quick test. Si la lecture correspond à ce qui était attendu, publiez le modèle pour qu’il puisse être appelé depuis un flux.

Si vous voulez essayer la manipulation sans avoir encore vos propres échantillons sous la main, vous pouvez aussi créer un modèle à partir des données d’exemple fournies par Microsoft.1

Notez qu’indépendamment du type de document choisi à l’étape 6, le modèle possède en interne une version de Document Intelligence (v4.0 / v3.1). Elle est déterminée au moment de la dernière modification, et se vérifie dans Settings > Published model version. Le score de confiance des tableaux et des cellules n’est disponible qu’en v4.0 ; un modèle plus ancien passe en v4.0 après modification, réentraînement et republication.1

La prise en charge du japonais et de l’écriture manuscrite

Pour le traitement de formulaires en japonais, voici ce que l’on peut vérifier sur Microsoft Learn.

  • Les deux types d’apprentissage — documents à modèle fixe et documents généraux — incluent le japonais parmi les langues prises en charge.3
  • La FAQ officielle précise explicitement que « le traitement de documents peut extraire du texte imprimé et du texte manuscrit ».2

Cela dit, soyons honnêtes ici. Il y a une distance entre « pris en charge » et « nos fax se lisent avec une précision utilisable en pratique ». Un fax a une résolution faible, avec des estompages, des zones illisibles et des inclinaisons qui surviennent quotidiennement. Que des corrections manuscrites de quantité ou des remarques griffonnées soient lisibles dépend entièrement de la façon dont le formulaire est rempli. Comme l’entraînement et le test du modèle de traitement de documents sont gratuits9, veillez absolument, avant de décider d’adopter la solution, à entraîner et tester avec les PDF de fax réellement reçus eux-mêmes comme échantillons, et à observer la précision sur vos propres formulaires. Entraîner le modèle avec de beaux PDF d’origine puis l’exploiter en production avec des fax mène souvent à cet échec typique : la qualité d’image diffère trop entre le test et la production, et la précision n’est pas au rendez-vous.

La différence avec les modèles préconstruits

AI Builder propose aussi des modèles préconstruits qui ne nécessitent aucun entraînement. Le plus représentatif est le modèle de traitement des factures, qui extrait sans entraînement des champs communs comme le numéro de facture, la date de facturation ou le montant à payer, et dont les langues prises en charge incluent le japonais.10 Pour le traitement des factures, c’est le plus rapide à essayer en premier.

En revanche, il n’existe pas de modèle préconstruit pour les bons de commande. Les formulaires dont la mise en page diffère d’une entreprise à l’autre — bons de commande, ordres d’achat, bons de livraison — sont cités par la FAQ officielle elle-même comme l’exemple typique du modèle personnalisé de documents à modèle fixe2, et le sujet de cet article, les bons de commande par fax, relève donc du domaine des modèles personnalisés.

5. Conception globale du flux — intégrer une vérification humaine

Voici à quoi ressemble la vue d’ensemble. Le cœur du dispositif, c’est la « vérification humaine » au centre : une configuration entièrement automatique qui l’omettrait n’est pas recommandée, pour les raisons exposées plus loin.

Confiance élevéeConfiance faibleRéception d'un fax du clientTransfert de fax du copieur / service de fax cloudVers un dossier ou un e-mail, au format PDFEnregistrement dans la bibliothèque de documents SharePointNom de fichier unique incluant la date et l'heure de réceptionDéclenchement du flux cloudQuand un fichier est crééAI Builder : traiter les documentsExtraction du numéro de commande, du client, du délai, des lignes de détailÉvaluation du score de confianceEx. : tous les champs clés ≥ 0,9 ?Enregistrement dans la liste du registre des commandesStatut : lu automatiquement, non confirméDemande de vérification au responsableNotification Teams + lien vers le PDF d'origineComparaison avec l'original, correction et confirmationStatut : vérifiéVérification groupée de la liste et confirmationStatut : vérifiéSaisie dans le système central — uniquement les lignes au statut « vérifié »Import CSV / Power Automate for desktop

L’étape de lecture

Dans le flux, l’action « Traiter les documents (Process documents) » reçoit le modèle entraîné et publié, ainsi que le contenu du fichier récupéré depuis SharePoint (cette action a été renommée en mai 2025 ; elle s’appelait auparavant « Extraire les informations des documents »). La sortie contient la valeur de chaque champ défini ({champ} value), son score de confiance ({champ} confidence score), ainsi que la valeur et le score de chaque cellule des tableaux. Pour les documents multi-pages, vous pouvez aussi limiter la consommation en spécifiant une plage de pages à traiter.4

Une remarque sur l’implémentation : les valeurs extraites sont toutes retournées sous forme de chaînes de caractères. Pour placer une quantité ou un montant dans une colonne numérique du registre, convertissez-les avec les expressions int/float, et retirez les symboles monétaires ou les espaces avec replace. Normalisez aussi les dates avec formatDateTime.4 Normaliser à cette étape les variations pleine chasse/demi-chasse des numéros de fax ou de commande facilite aussi le rapprochement en aval.

L’étape de vérification — c’est le cœur du dispositif

La vérification des résultats de lecture s’organise facilement selon deux formes.

  1. Faire circuler la vérification via la colonne de statut de la liste du registre. Le registre des commandes est tenu sous forme de liste SharePoint ; les résultats de lecture y sont enregistrés au statut « à vérifier », et le responsable compare dans la liste avec le PDF d’origine (en pièce jointe ou par lien), corrige, puis passe le statut à « vérifié ». Le passage à « vérifié » déclenche le traitement suivant. La conception qui migre le registre d’Excel vers une liste SharePoint est traitée dans « Remplacer un registre Excel par une liste SharePoint ».
  2. Faire circuler la vérification via une approbation Teams. On utilise l’action « Démarrer et attendre une approbation » du connecteur Approvals avec des réponses personnalisées, pour laisser le responsable choisir parmi des options comme « enregistrer tel quel » ou « correction nécessaire ». La façon de construire l’approbation et de traiter la réponse est détaillée dans « Créer un flux d’approbation avec Power Automate — numériser les circuits de validation et les demandes sur papier et par e-mail ».11

Dans les deux cas, centralisez les notifications sur une chaîne Teams et joignez toujours un lien vers le PDF fax d’origine.12 La substance du travail de vérification, c’est « comparer le résultat de lecture avec l’original » : si accéder à l’original demande des efforts, la vérification devient vite une formalité vide de sens.

Du registre au système central

La méthode pour introduire les données vérifiées dans le système central dépend de ce que ce dernier accepte en entrée. S’il existe une fonction d’import CSV, la solution solide consiste à formater les données vérifiées en CSV et à les importer. S’il n’y a pas de fonction d’import et que seule la saisie à l’écran est possible, la transcription automatique par manipulation d’écran avec Power Automate for desktop devient une option. Cette conception est traitée dans « Automatiser la saisie de données dans les systèmes centraux hérités avec Power Automate for desktop ». Pour la gestion des erreurs de l’ensemble du flux (notification en cas d’échec de lecture, nouvelle exécution), l’approche décrite dans « Gestion des erreurs et conception des tentatives dans Power Automate » s’applique telle quelle.

6. Vivre avec la précision — un effet même sans tout lire

Trier par score de confiance

Si l’on part du principe que « la lecture peut se tromper », le cœur de la conception devient l’usage du score de confiance. Le score va de 0 à 1 ; plus il est proche de 1, plus la valeur extraite a de chances d’être correcte.4 En pratique, on trie par exemple ainsi :

  • Les champs clés — numéro de commande, client, délai de livraison, détail — sont tous au-dessus du seuil (par exemple 0,9) → statut « lu automatiquement », vers le registre. Le responsable vérifie la liste en groupe et se contente de l’opération de confirmation.
  • Au moins un champ est en dessous du seuil → statut « à vérifier », vers le responsable. Le champ au score faible est précisé dans la notification, et le responsable corrige en comparant avec l’original.

L’implémentation se limite à une seule action « Condition ». Placez la condition après « Traiter les documents », et choisissez dans la liste de contenu dynamique {nom du champ} confidence score pour le comparer au seuil. Pour évaluer plusieurs champs clés ensemble, passez la condition en mode avancé (expression) et enchaînez avec and. Ci-dessous, <...> représente, à l’image des exemples de Microsoft Learn, « l’endroit où insérer un élément de contenu dynamique ».4

and(
  greaterOrEquals(<numéro de commande confidence score>, 0.9),
  greaterOrEquals(<nom du client confidence score>, 0.9),
  greaterOrEquals(<délai de livraison confidence score>, 0.9)
)

Deux points à garder à l’esprit en écrivant l’expression :

  • La valeur et le score n’ont pas le même type. {champ} value est une chaîne de caractères, mais {champ} confidence score est retourné en float entre 0 et 1, donc le score peut être comparé numériquement tel quel. Ne convertissez avec float() ou int() que si vous utilisez directement le montant ou la quantité comme condition.4
  • Les cellules des tableaux de détail ont aussi un score ({nom du tableau}{nom de la colonne} confidence score). Mais dès que vous référencez une colonne de tableau, l’action se retrouve automatiquement enveloppée dans un « Apply to each ». Si vous voulez évaluer l’ensemble du détail en une fois, préparez une variable (par exemple minScore initialisée à 1,0), comparez-la au score de chaque ligne dans la boucle en conservant le minimum, puis comparez ce minimum au seuil une seule fois après la boucle.4 Notez que le score de confiance des tableaux et des cellules n’est disponible que pour les modèles Document Intelligence v4.0.1

Si vous enregistrez au registre des commandes en statut « lu automatiquement » du côté « oui » de la condition, et que vous ramifiez vers la notification Teams et l’enregistrement « à vérifier » du côté « non », le tri de ce chapitre devient directement le flux.

Notez que même du côté « confiance élevée », il ne s’agit pas de supprimer la vérification elle-même. Le score indique seulement une « forte probabilité d’exactitude », ce n’est pas une garantie d’exactitude. Des erreurs de lecture peuvent survenir même à score élevé ; le principe selon lequel seules les lignes au statut « vérifié », confirmées par une personne, sont transmises au système central, doit donc être maintenu indépendamment du score. Ce que le score peut faire varier, c’est le poids de la vérification (confirmation groupée ou correction ligne par ligne), pas son existence même.

Ne figez pas le seuil dès le départ : ajustez-le après le début de l’exploitation, en observant « le nombre de cas traités automatiquement qui se sont en réalité révélés erronés ». Ce qui importe, c’est que le coût des erreurs est asymétrique. Basculer trop de cas vers « à vérifier » n’augmente que légèrement la charge de vérification, mais laisser passer automatiquement une erreur de lecture peut conduire à une erreur d’expédition. En cas de doute, placez le seuil plus haut plutôt que plus bas.

La fatalité de la qualité d’image du fax

Les exigences du traitement de documents précisent que « une numérisation à partir de papier doit être une image de haute qualité » et qu’« un PDF avec texte intégré (PDF texte) est préférable, car il évite le charabia de caractères et les décalages de position ».35 Le fax est à l’opposé exact de cet idéal. Il existe malgré tout des leviers.

  • Utiliser de vrais fax comme échantillons d’entraînement. Comme dit plus haut, la priorité est d’entraîner avec la même qualité d’image que celle de la production. Pour des images de faible qualité, il est officiellement recommandé d’augmenter le nombre d’échantillons à 10-15 ou plus.5
  • Agir sur la qualité côté émetteur. Il est parfois possible de demander aux clients les plus importants « d’envoyer en mode haute qualité (fin) ». Même si la voie choisie évite de demander un changement au client, un simple réglage à côté du bouton d’envoi reste une demande facile à faire.
  • Ne pas forcer la lecture de formulaires illisibles. Les formulaires très estompés, ou majoritairement manuscrits, finiront systématiquement en « à vérifier ». Il faut aussi accepter de retirer ce client de la lecture automatisée et de revenir à la saisie manuelle habituelle pour lui.

Le problème des mises en page différentes selon le client

Il y a autant de mises en page de bons de commande que de clients. Le traitement de documents est conçu pour absorber cela via les collections : on peut séparer les collections par mise en page et les regrouper dans un seul modèle (jusqu’à 200).3 Mais plus on multiplie les collections, plus la maintenance augmente — collecte et étiquetage des échantillons, vérification de la précision, suivi des changements de mise en page. Si un client modifie le format de son bon de commande, la collection correspondante doit être réentraînée.

C’est précisément pourquoi la bonne façon de commencer n’est pas « tout lire », mais « lire uniquement les bons de commande standardisés des clients représentant le plus gros volume ». Si les commandes par fax représentent 600 par mois et que les trois principaux clients en concentrent 350, un modèle à 3 collections (5 à 20 échantillons chacune) couvre déjà un peu moins de 60 % de la transcription. Le reste peut continuer d’être saisi manuellement comme avant. C’est la version « lecture » du principe « agir en priorité là où l’effet est le plus grand » décrit dans l’article sur la migration par étapes, et la classification des clients (A/B/C) utilisée pour la migration web peut être réutilisée telle quelle. Construire un modèle avec un pilote, mesurer son effet, puis ajouter des collections progressivement — cette démarche évite l’épuisement lié à la maintenance du modèle.

Vérifions aussi les contraintes plus fines. Les champs qui s’étendent sur plusieurs pages et les lignes de détail qui se poursuivent d’une page à l’autre ne sont actuellement pas pris en charge.3 Pour les clients dont les bons de commande comportent souvent plusieurs pages, la conception du détail demande une attention particulière.

7. Licences et coûts — un modèle de consommation par crédits

Les actions d’AI Builder consomment, indépendamment de la licence Power Automate, une capacité de type consommation à chaque exécution. Commencer à construire sans le savoir mène à se heurter en production à des erreurs de type NoCapacity.9

Voici le mécanisme. Le traitement de documents consomme des crédits en fonction du nombre de pages traitées (même une page sans donnée à extraire en consomme).2 Le taux de consommation varie selon la fonctionnalité : d’après le tableau de tarifs officiel, le traitement de documents par modèle personnalisé coûte 100 crédits AI Builder par page, l’analyse préconstruite de factures et documents similaires coûte 32 crédits par page, et dans le système de crédits Copilot, le traitement de contenu coûte 8 crédits Copilot par page.6

Les crédits s’obtenaient traditionnellement par deux voies.9

  • L’extension de capacité AI Builder : 1 million de crédits par extension
  • Les crédits d’amorçage inclus avec la licence Premium : 5 000 crédits par licence Power Automate Premium

Les crédits sont regroupés au niveau du tenant, et un administrateur les attribue aux environnements pour utilisation. Selon un calcul rapide, les 5 000 crédits inclus avec Premium correspondent à 50 pages de traitement de documents en modèle personnalisé. Pour des bons de commande d’une page, cela suffit jusqu’à environ 50 par mois avec les crédits inclus ; à 600 par mois, il faut acheter une extension ou des crédits Copilot — un ordre de grandeur à garder en tête.

Estimation du volume de consommation

Comme les montants varient selon la période et le contrat, nous ne les abordons pas dans cet article, mais le volume de crédits consommés peut se calculer soi-même à partir des taux publics. Le traitement de documents par modèle personnalisé coûte 100 crédits AI Builder par page, et dans le système de crédits Copilot, le traitement de contenu coûte 8 crédits Copilot par page.6 Il suffit de multiplier par le nombre de pages lues par mois.

Pages lues par mois Crédits AI Builder Crédits Copilot Repère
50 pages 5 000 400 Tient exactement dans les crédits d’amorçage (5 000) d’une licence Power Automate Premium
600 pages 60 000 4 800 Les crédits inclus ne suffisent pas. Consomme environ 6 % d’une extension de capacité (1 million de crédits)
3 000 pages 300 000 24 000 30 % d’une extension de capacité

Le raisonnement de calcul est le même que l’exemple de la FAQ de Microsoft (traitement de 32 000 reçus × 32 crédits = 1 024 000 crédits → couvert par une extension plus 5 licences Premium).9 Le montant réel à payer s’obtient en multipliant ce volume par le tarif contractuel de votre entreprise (prix des extensions ou des crédits Copilot, taux de change et remises applicables). Le guide de licences Power Platform (PDF) contient un tableau de tarifs ; vérifiez-y vos estimations avec les informations de prix les plus récentes.9

Point d’attention : la consommation se réinitialise chaque mois, et le solde inutilisé n’est pas reporté au mois suivant.9 Réserver une capacité importante pour absorber les pics de la haute saison gaspille la part correspondant aux périodes creuses. Réduire les lectures inutiles en spécifiant une plage de pages, ou limiter la lecture aux clients à fort volume, sont des économies de conception qui se répercutent directement sur le coût.

Que faire quand les crédits sont épuisés

Si le flux échoue avec des erreurs comme NoCapacity, EntitlementNotAvailable, QuotaExceeded, No capacity was found ou Credit usage exceeds allocation, vérifiez l’attribution de crédits à l’environnement. Le concepteur de flux affiche un panneau de correction : « All AI Builder credits in this environment have been consumed » (tous les crédits AI Builder de cet environnement ont été consommés).9

Voici le cheminement de vérification et de résolution.9

  1. Dans le Centre d’administration Power Platform, ouvrez Licensing (Licences) > Capacity add-ons (Extensions de capacité) > l’onglet Summary, pour vérifier le nombre de crédits achetés, attribués et consommés.
  2. La consommation par environnement se vérifie dans le rapport de consommation AI Builder. En totalisant le mois en cours, on obtient la consommation mensuelle de cet environnement.
  3. En cas d’insuffisance, réattribuez à l’environnement depuis le même écran, onglet Add-ons, via Assign to an environment (en redistribuant l’excédent du tenant entier ou d’autres environnements).
  4. Si cela ne suffit toujours pas, envisagez l’achat supplémentaire d’une extension de capacité (réservé aux clients existants, jusqu’au 1er novembre 2026) ou l’achat de crédits Copilot / l’autorisation de la facturation à l’usage.

Il y a ici une spécification importante à retenir : une fois des crédits attribués à un environnement, celui-ci n’utilise pas automatiquement les crédits non attribués du tenant.9 L’incident du type « il en reste pourtant au niveau du tenant, mais seul cet environnement s’est arrêté » ne peut être diagnostiqué sans connaître cette spécification. À l’inverse, un environnement sans attribution utilise la part non attribuée du tenant. Avant de démarrer l’exploitation, vérifiez avec votre administrateur dans lequel de ces deux états se trouve l’environnement où sera placé le flux de lecture.

Cela dit, ce système est actuellement en pleine transition. En octobre 2025, Microsoft a annoncé l’abandon progressif des crédits AI Builder. À partir du 1er novembre 2025, les nouveaux clients ne peuvent plus acheter d’extension de capacité AI Builder, et le 1er novembre 2026, le renouvellement des extensions ainsi que les crédits d’amorçage inclus avec la licence Premium seront supprimés. La fonctionnalité AI Builder elle-même ne disparaît pas et reste utilisable via les crédits Copilot. Pendant la période de transition, l’ordre de priorité est le suivant : les crédits AI Builder sont consommés en premier, puis les crédits Copilot une fois les premiers épuisés, et l’exécution est bloquée s’il n’en reste plus d’aucun des deux.7

En somme : « la lecture entraîne un coût additionnel proportionnel au volume d’exécution, et la monnaie de ce coût est en train de changer ». Cet article ne cite pas de montant précis, mais vous pouvez estimer le volume de consommation à partir du nombre mensuel de fax × le nombre de pages, en utilisant le tableau de tarifs, puis le vérifier avec les informations de prix les plus récentes. Côté licences Power Automate (la frontière entre connecteurs standard et premium), nous faisons le point dans « Licences Power Automate et la frontière entre connecteurs standard et premium ».

8. Quelle voie choisir — tableau de décision

Le traitement des bons de commande par fax n’a pas pour seule réponse la lecture par AI Builder. En traçant une ligne selon le volume, le nombre de clients et le degré de standardisation des formulaires, cela donne à peu près ceci.

Situation Choix réaliste
Quelques dizaines de commandes fax par mois, peu de clients Continuer la saisie manuelle. Le coût de construction et de maintenance de la lecture dépasse difficilement les bénéfices. Automatiser au minimum la numérisation en PDF et l’enregistrement de la réception a déjà de la valeur
Le volume est important, mais concentré sur les bons de commande standardisés d’un petit nombre de clients Terrain idéal pour la lecture par AI Builder. Commencer par les collections des clients les plus importants, exploitée avec un flux de vérification
Le volume est important et les clients sont coopératifs (peuvent générer des commandes en données) La migration vers la commande web / l’import CSV reste la voie principale. Elle permet de supprimer l’étape de lecture elle-même. Combiner avec la lecture pour les fax résiduels pendant la période de transition
Majoritairement manuscrit, mise en page différente à chaque fois, mauvaise qualité d’image La précision de lecture reste instable. Conserver la saisie manuelle, et négocier avec ce client en particulier un changement de la façon même de recevoir les commandes (web, téléphone, etc.)
Volume important dans un secteur spécifique où un format standard existe Envisager l’EDI. S’il existe un standard sectoriel, il revient moins cher à long terme qu’une lecture sur mesure (voir « Qu’est-ce que l’EDI ? Comment il fluidifie les commandes interentreprises »)
Vouloir avancer à la fois sur la migration et sur l’EDI, mais la capacité d’investissement pose problème Une subvention à l’investissement pour l’économie de main-d’œuvre peut parfois s’appliquer (voir « La subvention à l’investissement pour l’économie de main-d’œuvre permet-elle de numériser les commandes par fax ? »)

Pour se faire une idée rapide, le plus simple est de compter « combien de formulaires de même mise en page arrivent par mois ». Si ce nombre est élevé pour quelques clients, la lecture est efficace. Si le nombre de pages par mise en page reste faible alors que les clients sont nombreux, la maintenance du modèle de lecture ne se justifie pas, et la migration web, l’EDI, ou la poursuite de la saisie manuelle sont plus rationnels.

Un autre point à ne pas oublier, c’est la place de l’étape de vérification. L’effet de l’automatisation de la lecture n’est pas de « ramener la transcription à zéro », mais de « transformer la transcription en vérification ». Pour mesurer l’effet, comparez avec la même mesure le temps de saisie avant l’adoption et le temps de vérification/correction après l’adoption. Suivre à la fois le taux de « à vérifier » (part des cas passés sous le seuil et renvoyés à un humain) et le nombre d’erreurs de lecture parmi les cas traités automatiquement fournit des éléments pour ajuster le seuil et décider d’ajouter des collections.

9. Conclusion

L’automatisation des bons de commande reçus par fax peut être conçue comme une voie distincte de « l’arrêt du fax ». Pour résumer :

Commencez par numériser en PDF les fax reçus via la fonction de transfert du copieur multifonction ou un service de fax cloud, puis centralisez-les dans SharePoint — rien ne peut commencer tant que tout reste sur papier. Entraînez ensuite le modèle personnalisé de traitement de documents d’AI Builder, en vous limitant aux bons de commande standardisés des clients représentant le plus gros volume : au moins 5 échantillons par collection, davantage pour une qualité fax, et utilisez pour l’entraînement de vrais fax réellement reçus. Puis triez entre automatique et à vérifier avec le score de confiance, faites transiter par une vérification humaine avant d’alimenter le registre et le système central. Ne pas viser le tout automatique rend au contraire l’adoption plus rapide et l’exploitation plus stable.

Sur le plan financier, l’estimation des crédits consommables et la vérification du calendrier de migration des crédits AI Builder vers les crédits Copilot sont indispensables. Et la lecture reste avant tout un moyen de « composer avec un fax qu’on ne peut pas abandonner ». Migrez vers la commande web ou l’import CSV les clients coopératifs, et allégez avec la lecture les fax restants. C’est en combinant les deux voies que le volume total de saisie manuelle devient le plus faible possible.

Si vous souhaitez avancer, de la numérisation en PDF des commandes par fax à la conception du flux de lecture, en passant par la construction de l’étape de vérification et de la connexion au système central, jusqu’à la combinaison avec une migration web, tout en vérifiant jusqu’où c’est possible avec vos propres formulaires, n’hésitez pas à nous contacter via les domaines de conseil ci-dessous.

Articles connexes

Domaines de conseil associés

合同会社小村ソフト (Komura Software LLC) prend en charge, de la conception de l’automatisation de la lecture des formulaires reçus par fax ou e-mail à la construction du flux de vérification, jusqu’à l’intégration avec les systèmes de gestion des ventes et les systèmes centraux existants.

Références

  1. Microsoft Learn, Create a document processing custom model. Sur le cheminement de l’assistant de création de modèle (AI hub > AI models > Extract custom information from documents > Create custom model > choix du type de document > Choose information to extract > collections et téléversement des échantillons > Train > Quick test), les 3 types de documents (à modèle fixe / général / facture), la définition des champs, tableaux et cases à cocher avec le symbole décimal des nombres et l’ordre des composantes de date, la possibilité de créer un modèle avec des données d’exemple, le fait qu’une collection soit « un groupe de formulaires ayant la même mise en page », qu’il faille au minimum 5 échantillons (JPG/PNG/PDF) par collection avec un maximum de 200 collections, la différence entre Document Intelligence v4.0 et v3.1 (v4.0 prend en charge le score de confiance des tableaux et cellules ainsi que la détection de signature) et la vérification via Settings > Published model version. ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7 ↩8

  2. Microsoft Learn, FAQ for document processing. Sur le fait que les documents à modèle fixe conviennent aux factures, bons de commande et bons de livraison, l’extraction possible du texte imprimé comme manuscrit, le fait que 5 échantillons suffisent pour des documents de haute qualité alors que 15 à 20 sont recommandés pour des numérisations de faible qualité, la bonne pratique d’un minimum de 5 et d’un maximum de 20 échantillons par collection, et la consommation de crédits par page même pour des pages sans donnée à extraire. ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7

  3. Microsoft Learn, Requirements and limitations for a document processing model. Sur la prise en charge du japonais pour les deux types (documents à modèle fixe et documents généraux), les formats pris en charge (PDF/JPG/PNG, PDF texte recommandé), le fait que le TIFF ne puisse pas être utilisé pour l’entraînement mais soit traitable lors de l’exécution d’un modèle entraîné dans un flux cloud, les limites de 20 Mo maximum et d’images entre 50×50 et 10 000×10 000 pixels, le fait qu’une numérisation à partir de papier doive être une image de haute qualité, le maximum de 200 collections par modèle, et l’absence de prise en charge des champs et lignes de détail s’étendant sur plusieurs pages. ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7 ↩8

  4. Microsoft Learn, Use a document processing model in Power Automate. Sur l’action « Traiter les documents (Process documents) » (renommée en mai 2025, auparavant « Extraire les informations des documents »), la sortie des valeurs et scores de confiance de 0 à 1 pour chaque champ et cellule de tableau, la réduction de la consommation via la spécification d’une plage de pages, le fait que les valeurs extraites soient toutes retournées sous forme de chaînes converties avec les expressions int/float/replace/formatDateTime, et l’exclusion des images de signature via la condition Is Inline. ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7

  5. Microsoft Learn, Improve the performance of your document processing model. Sur le fait qu’il faille utiliser davantage d’échantillons (10 à 15 ou plus) pour des images de faible qualité, qu’un PDF texte soit préférable à un document basé sur l’image et qu’un PDF scanné soit traité comme une image, que le score de précision ne soit disponible que pour les modèles de type documents à modèle fixe, et que les documents de mise en page différente doivent être répartis dans des collections distinctes. ↩ ↩2 ↩3 ↩4

  6. Microsoft Learn, Overview of licensing (AI Builder capability rate table). Sur les taux de consommation par fonctionnalité : 100 crédits AI Builder par page pour le traitement de documents personnalisé, 32 crédits par page pour l’analyse de factures, reçus et documents similaires, et 8 crédits Copilot par page pour le traitement de contenu dans le système de crédits Copilot. ↩ ↩2 ↩3

  7. Microsoft Learn, End of AI Builder credits. Sur l’abandon progressif des crédits AI Builder annoncé en octobre 2025, la fin de la vente d’extensions aux nouveaux clients au 1er novembre 2025, la fin du renouvellement des extensions et la suppression des crédits d’amorçage au 1er novembre 2026, le fait que la fonctionnalité AI Builder elle-même reste utilisable via les crédits Copilot, et l’ordre de priorité de consommation des crédits AI Builder puis Copilot, avec blocage si les deux sont épuisés. ↩ ↩2

  8. Microsoft Learn, Microsoft SharePoint Connector in Power Automate. Sur le déclencheur « Quand un fichier est créé (propriétés uniquement) », les actions « Obtenir le contenu du fichier » et « Créer un fichier », et la possibilité de construire un flux à partir de l’enregistrement dans une bibliothèque de documents. ↩

  9. Microsoft Learn, Licensing and AI Builder credits. Sur les 1 million de crédits par extension de capacité AI Builder, les 5 000 crédits inclus avec la licence Power Automate Premium, le regroupement des crédits au niveau du tenant et leur attribution aux environnements, le blocage par des erreurs NoCapacity/EntitlementNotAvailable/QuotaExceeded etc. en cas de capacité insuffisante avec l’affichage d’un panneau de correction dans le concepteur de flux, l’écran Licensing > Capacity add-ons du Centre d’administration Power Platform (vérification de la consommation dans l’onglet Summary, attribution aux environnements via Assign to an environment dans l’onglet Add-ons), la vérification de la consommation par environnement via le rapport de consommation, le fait qu’un environnement avec attribution ne bascule pas automatiquement vers la part non attribuée du tenant, la réinitialisation de la consommation le 1er de chaque mois sans report du solde, la gratuité de l’entraînement et du test des modèles, la suppression des crédits d’amorçage le 1er novembre 2026, et le raisonnement d’estimation (exemple de 32 000 reçus × 32 crédits) ainsi que le tableau de tarifs du guide de licences PDF. ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7 ↩8 ↩9 ↩10

  10. Microsoft Learn, Invoice processing prebuilt AI model. Sur le fait que le modèle préconstruit de traitement des factures puisse extraire sans entraînement des éléments communs comme le numéro de facture, la date de facturation ou le montant à payer, que les langues prises en charge incluent le japonais (Japon), et sur les formats d’entrée (JPEG/PNG/PDF, 20 Mo maximum). ↩

  11. Microsoft Learn, Get started with approvals. Sur l’action « Démarrer et attendre une approbation » et les types d’approbation, y compris la réponse personnalisée qui permet de définir soi-même les options de réponse. ↩

  12. Microsoft Learn, Send a message in Teams using Power Automate. Sur un flux de notification combinant le déclencheur SharePoint « Quand un fichier est créé (propriétés uniquement) » et l’action Teams « Publier un message dans une conversation ou une chaîne ». ↩

Articles associés

Articles récents partageant les mêmes étiquettes, pour approfondir des sujets proches.

Sujets associés

Ces pages replacent le sujet dans un contexte plus large de services et de décisions.

Questions fréquentes

Questions souvent posées lors d’une consultation sur le sujet de cet article.

AI Builder peut-il lire des bons de commande fax en japonais ?
Il y a de bonnes chances que oui. Le modèle personnalisé de traitement de documents d'AI Builder prend en charge le japonais, que ce soit pour le type d'apprentissage « documents à modèle fixe » ou « documents généraux », et la FAQ officielle précise explicitement qu'il prend aussi en charge l'extraction de texte manuscrit. Cela dit, un fax a une résolution faible et est sujet aux estompages et à l'inclinaison, si bien que la précision réelle dépend du formulaire et de la qualité de la ligne. Avant de décider d'adopter cette solution, nous recommandons fortement d'entraîner le modèle avec des PDF de fax réellement reçus comme échantillons, puis de vérifier la précision sur vos propres formulaires.
Combien d'échantillons de formulaires faut-il pour entraîner le modèle ?
Il faut au minimum 5 documents échantillons pour chaque « collection », c'est-à-dire le regroupement des formulaires ayant la même mise en page. Une collection peut contenir jusqu'à 20 documents ; 5 suffisent souvent pour des documents de haute qualité, mais pour des numérisations de faible qualité comme les fax, il est recommandé d'en utiliser 15 à 20. Si la mise en page des bons de commande diffère selon le client, créez une collection distincte par mise en page (jusqu'à 200 collections par modèle), et il est réaliste de commencer uniquement par les bons de commande standardisés des clients représentant le plus grand volume.
Peut-on enregistrer directement les résultats de lecture dans le système central, sans intervention humaine ?
Nous ne recommandons pas de le faire circuler tel quel sans supervision. Chaque champ extrait par AI Builder est accompagné d'un score de confiance compris entre 0 et 1, il faut donc toujours prévoir un branchement où les scores élevés sont enregistrés automatiquement dans le registre des commandes, tandis que les scores faibles déclenchent une notification à un responsable qui vérifie et corrige en comparant avec l'image fax d'origine. En ne faisant transiter vers la saisie dans le système central (import CSV ou transcription via Power Automate for desktop) que les données déjà vérifiées, on évite qu'une erreur de lecture ne se transforme directement en erreur d'expédition.
Quels sont les coûts liés à l'utilisation d'AI Builder ?
Les actions AI Builder consomment des crédits à chaque exécution, selon un modèle de consommation. Le traitement de documents consomme des crédits en fonction du nombre de pages lues, et les modèles personnalisés ont un taux de consommation plus élevé que les modèles préconstruits. Le système reposait auparavant sur les crédits AI Builder (extension de capacité ou les 5 000 crédits inclus avec Power Automate Premium), mais en octobre 2025, l'abandon progressif des crédits AI Builder a été annoncé, et la migration vers les crédits Copilot est en cours. Les crédits d'amorçage inclus avec Premium prendront fin le 1er novembre 2026 ; vérifiez donc toujours le dernier système de licences en vigueur au moment de l'adoption.

Profil de l’auteur

Page de présentation de l’auteur de l’article.

Go Komura

Représentant de KomuraSoft LLC

Spécialisé dans le développement de logiciels Windows, le conseil technique et l’analyse de pannes, notamment pour les systèmes existants et les incidents difficiles à reproduire.

Nous contacter
Retour au blog