Définition
La vision par ordinateur transforme une entrée visuelle en information structurée sur laquelle un système peut agir : lire un document, compter des objets, détecter un défaut, vérifier qu’un formulaire est bien rempli ou confirmer qu’une chose se trouve où elle devrait.
Ce que fait la vision par ordinateur dans une entreprise en activité
La vision par ordinateur en entreprise est bien moins spectaculaire que les démonstrations ne le laissent croire. Elle fait généralement l’une de quatre choses : lire, compter, vérifier, ou confirmer une présence.
La lecture est de loin le cas le plus fréquent. Factures, bons de livraison, formulaires, pièces d’identité et notes manuscrites arrivent sous forme d’images, et quelqu’un les ressaisit. Les modèles de vision transforment cela en champs extraits assortis d’un indice de confiance, et l’effort humain passe de tout taper à réviser ce qui est incertain.
La vérification vient ensuite : comparer ce qui est devant la caméra à ce qui devrait s’y trouver. Une pièce présentant un défaut visible, une palette mal chargée, une étape de sécurité sautée, une tablette vide.
Vision par ordinateur ou OCR
Les deux termes s’emploient indifféremment, et la distinction compte au moment d’acheter.
L’OCR classique convertit des pixels en caractères. Elle fonctionne bien sur des mises en page propres, dactylographiées et prévisibles, et se dégrade vite au-delà : une facture photographiée de biais, un formulaire annoté à la main dans la marge, une disposition que le fournisseur a modifiée le trimestre dernier.
Les modèles de vision modernes lisent le document davantage comme une personne : ils encaissent des images imparfaites, comprennent que ce nombre est le total en raison de sa position et de son étiquette, et se débrouillent avec des mises en page inédites. Ils sont plus capables et plus coûteux par page, et parce qu’ils sont probabilistes, ils exigent des seuils de confiance et un parcours de révision plutôt qu’un résultat binaire.
Pour un formulaire stable, identique et à fort volume, l’OCR reste souvent la meilleure économie. Pour des documents variables provenant de multiples sources, les modèles de vision sont généralement la seule option qui fonctionne.
Ce qu’il faut pour que ce soit fiable
L’écart entre un projet pilote prometteur et un système fiable tient presque toujours à l’entrée plutôt qu’au modèle. La constance de l’éclairage, de l’angle et de la résolution compte davantage que le choix du modèle. Savoir ce que le système doit faire lorsqu’il doute compte tout autant : un système de vision sans seuil de confiance ni file de révision humaine est un système qui devinera en silence.
Comme pour toute IA, il faut une évaluation sur de vrais exemples, y compris les mauvais : la facture froissée, le reflet, le formulaire rempli avec un autre stylo.
L’approche Automathing
Nous cadrons les projets de vision autour de l’étape de révision, pas de la promesse d’exactitude. Un modèle exact à 94 % est utile quand les 6 % sont signalés et acheminés vers une personne, et dangereux quand ils ne le sont pas. Cela veut dire concevoir le seuil de confiance, la file d’exceptions et la piste de vérification pendant la construction, pas après.
Foire aux questions
Quelle est la différence entre la vision par ordinateur et l’OCR ?
L’OCR convertit des images de texte en caractères et donne son meilleur sur des mises en page propres et constantes. La vision par ordinateur interprète le contenu visuel plus largement, qu’il s’agisse de structure, de contexte, d’objets ou de scènes, y compris dans des documents inédits. Ce qu’on appelle « document AI » est essentiellement de l’OCR augmentée de compréhension.
La vision par ordinateur peut-elle lire l’écriture manuscrite ?
Les modèles modernes gèrent raisonnablement une écriture lisible et peinent sur une écriture réellement désordonnée, comme le ferait une personne. La conception raisonnable consiste à traiter le manuscrit comme une entrée à faible confiance par défaut : l’extraire, le signaler et l’acheminer vers une vérification humaine rapide plutôt que de l’accepter en silence.
Quel niveau d’exactitude faut-il viser ?
Cela dépend entièrement du coût d’une erreur et de votre capacité à la détecter. Pour l’extraction de factures avec révision des éléments signalés, une exactitude dans les hauts quatre-vingt-dix avec un indice de confiance fiable est réellement utile. Pour tout ce qui n’est pas révisé et qui porte à conséquence, la vraie question n’est pas le chiffre d’exactitude mais ce qui arrive sur les cas ratés.
Faut-il des caméras ou du matériel particuliers ?
Rarement pour le travail documentaire : un appareil photo de téléphone ou un numériseur existant suffit généralement. L’inspection physique est différente : la constance de l’éclairage et du positionnement de la caméra pèse habituellement plus lourd que le modèle sur le résultat, et c’est là que se trouve le coût d’installation.