Passer au contenu principal
Cet article décrit comment les principaux champs d’une facture sont détectés et capturés. Le programme commence à traiter une facture en reconnaissant le texte qu’elle contient, conformément aux paramètres de la définition de document :
  • Le mode de reconnaissance (Fast / Balanced / Normal / Accurate) détermine la vitesse de reconnaissance et la qualité du calque de texte ainsi obtenu. Pour spécifier un mode de reconnaissance, dans le Document Definition Editor, cliquez sur Document Definition → Document Definition Properties… → Recognition).
  • Les langues de reconnaissance sont les langues utilisées pour la reconnaissance. Pour spécifier les langues de reconnaissance, dans le Document Definition Editor, cliquez sur Document Definition → Document Definition Properties… → Document Definition Settings, puis cliquez sur Modifier dans le groupe Pays et langues pour sélectionner les langues requises.
Dans FlexiCapture for Invoices, les langues de reconnaissance sont liées aux paramètres de pays. Lorsque vous ajoutez un pays de facturation au groupe Pays et langues, les langues correspondantes apparaissent automatiquement dans les paramètres de la définition de document. Les champs de facture sont extraits lors de la reconnaissance.

​
Pour détecter et extraire des champs d’une facture, le programme peut utiliser :

Ces deux méthodes sont décrites ci-dessous, ainsi que l’algorithme qui combine les résultats obtenus à l’aide de ces deux méthodes ou sélectionne le meilleur résultat.

​
Utiliser un FlexiLayout

Les éléments suivants peuvent être utilisés pour déterminer le Fournisseur et l’unité commerciale :
  • Paramètres de définition de document : formats IBAN, VATID et NationalVATID, ainsi que les mots-clés correspondants ;
  • Champs de l’enregistrement du jeu de données : IBAN, VATID, NationalVATID, Name, Street, City, ZIP.
Pour plus d’informations sur les colonnes BusinessUnits et Vendors dans les jeux de données et sur leur utilisation, consultez jeu de données BusinessUnits et jeu de données Vendors.

​
Algorithme de détection automatique d’entreprise

Le niveau de détail et la qualité des informations renseignées dans les colonnes du jeu de données ont un impact significatif sur la qualité de la détection. Pour que les résultats de recherche soient aussi précis que possible, assurez-vous que :
  • Les identifiants uniques de l’entreprise sont renseignés Le fait de renseigner les colonnes contenant des valeurs uniques (VATID, NationalVATID, IBAN) améliore considérablement la probabilité d’une détection correcte, car ces valeurs sont propres à chaque entreprise.
  • Il n’y a pas de doublons parmi les enregistrements d’entreprise L’absence de doublons améliorera les chances de détecter correctement l’entreprise. Pour plus d’informations sur la suppression des doublons, voir Suppression des doublons dans la base de données externe.
  • Aucun enregistrement non pertinent La présence d’enregistrements obsolètes ou non valides dans le jeu de données peut entraîner une détection incorrecte de l’entreprise en raison de similitudes fortuites entre différentes valeurs des champs.
  • Tous les champs sont renseignés pour chaque fiche d’entreprise Renseignez autant d’informations que possible sur les entreprises. Plus le jeu de données contient de champs renseignés, plus la probabilité de détecter correctement l’entreprise est élevée.
  • Les colonnes à valeurs multiples servent à stocker une même information lorsqu’elle est représentée de différentes manières, et non des informations différentes Par exemple, si une même entreprise possède plusieurs adresses, il doit y avoir un enregistrement distinct pour chacune d’elles, même si tous les autres champs contiennent les mêmes informations. Pour plus d’informations, voir Préparation des bases de données de fournisseurs et d’unités commerciales.
L’algorithme de détection automatique des fournisseurs et des unités commerciales comprend les étapes suivantes :
  1. Recherche par identifiant unique
Les champs suivants sont considérés comme des identifiants uniques d’entreprise :
  • ID TVA,
    • NationalVATID,
    • IBAN.
FCFORINVOICES recherche les valeurs répertoriées ci-dessus dans l’image du document. Dans les propriétés de définition de document (onglet Document Definition Settings, groupe Pays et langues), les formats VATID, NationalVATID et IBAN (onglet Formats), ainsi que les mots-clés (onglet Keywords), sont définis pour chaque pays à l’aide d’expressions régulières.
Des mots-clés et des formats d’identifiant correctement renseignés améliorent considérablement la qualité de la détection.
Le programme recherche des correspondances exactes dans l’image pour ces champs. Les expressions régulières peuvent également prendre en compte les erreurs de reconnaissance éventuelles. À cet effet, on utilise des expressions régulières étendues (voir Extended regular expressions).
ABBYY FlexiCapture for Invoices propose des expressions régulières prédéfinies ; vous pouvez toutefois créer vos propres expressions régulières si nécessaire. Pour ce faire, accédez au groupe Pays et langues dans l’onglet Paramètres de définition de document, sélectionnez le pays approprié, puis cliquez sur Modifier….
Les valeurs détectées sont normalisées comme suit :
  • les lettres sont mises en majuscules,
    • les espaces ainsi que les caractères suivants sont supprimés : ” . ”, ” , ”, ” — ”, ” / ”, ” **** ”.
Si le préfixe alphabétique d’un champ est spécifié à l’aide d’une expression régulière dans les propriétés du pays de l’onglet Formats, le préfixe reconnu est remplacé par le préfixe principal (défini dans les propriétés du pays de l’onglet Formats). Par exemple, l’identifiant « DE12345 » peut être reconnu comme « OE12345 ». Le préfixe détecté OE sera alors remplacé par le préfixe correct DE. Les champs VATID, NationalVATID et IBAN détectés sur une image de document serviront à interroger le jeu de données. Les valeurs des colonnes VATID, NationalVATID et IBAN reçues depuis les champs du jeu de données sont normalisées de la même façon que les valeurs détectées sur l’image, puis font l’objet d’une mise en correspondance exacte avec les valeurs normalisées des champs détectés sur l’image.
  1. Recherche du nom de l’entreprise et de l’adresse
Une requête utilisant l’intégralité du texte du document pour rechercher les enregistrements qui y correspondent le plus précisément est envoyée au jeu de données.Les valeurs Name, Street, ZIP et City détectées sur l’image sont associées aux valeurs d’enregistrement du Data set correspondant.
Pour obtenir les meilleurs résultats possibles lors de la recherche de noms et d’entreprises, assurez-vous que les colonnes correspondantes du Data set sont renseignées. Le nom de l’entreprise et les informations d’adresse sont particulièrement importants lorsque l’entreprise ne peut pas être identifiée à l’aide de VATID, NationalVATID ou IBAN.
  1. Génération d’hypothèses
Les entreprises identifiées lors des étapes 1 et 2 sont utilisées pour constituer un jeu d’hypothèses. ABBYY FlexiCapture for Invoices évalue ces hypothèses, puis sélectionne 5 enregistrements de fournisseurs et 5 enregistrements d’unités commerciales correspondant le plus fidèlement aux valeurs des champs présentes sur l’image du document. Ces enregistrements sont ensuite utilisés pour former 25 paires de fournisseurs et d’unités commerciales, chaque paire étant traitée comme une hypothèse distincte. Un algorithme de réseau de neurones est alors appliqué pour classer les hypothèses par fiabilité ; la paire fournisseur-unité commerciale la plus pertinente devient l’hypothèse finale et constitue le résultat de la détection du fournisseur et de l’unité commerciale.
Si seule la base de données des fournisseurs est connectée, la qualité de l’évaluation des paires fournisseur-BU peut être négativement affectée. Il est recommandé de connecter une base de données d’unités commerciales même si la détection des unités commerciales n’est pas nécessaire. Pour plus d’informations, voir Connexion des bases de données.
Si le nombre d’unités commerciales est très faible (par exemple 1), la connexion d’une telle base de données n’aura pas d’impact significatif sur l’évaluation. Toutefois, cette opération peut améliorer la qualité de détection dans les cas où une unité commerciale est incorrectement détectée comme un fournisseur.

​
Filtrage des hypothèses

Les hypothèses sont réparties comme suit en fonction de la fiabilité de la correspondance (enregistrement du jeu de données et valeur du champ d’image du document) :
  • correspondant de manière fiable à l’image du document ;
  • correspondant de manière peu fiable à l’image du document.
Selon le scénario de vérification, vous pouvez décider de prendre en compte ou non la fiabilité des hypothèses lors de la détection du fournisseur et de l’unité commerciale. Si vous souhaitez qu’ABBYY FlexiCapture for Invoices sélectionne l’hypothèse finale uniquement parmi les hypothèses fiables, vous pouvez les filtrer à l’aide de l’indicateur de registre InvoiceReader/ShouldFilterUnsureCompanyHypotheses, qui peut prendre les valeurs suivantes :
  • true — le filtrage est activé et l’hypothèse finale sera sélectionnée exclusivement parmi les hypothèses fiables (valeur par défaut) ;
  • false — le filtrage est désactivé et l’hypothèse finale sera sélectionnée parmi toutes les hypothèses, sans tenir compte de leur fiabilité ;
Notez que le filtrage des hypothèses fonctionne différemment pour les fournisseurs et les unités commerciales :
  • Lors de la détection des fournisseurs, aucune hypothèse non fiable relative aux fournisseurs ne sera prise en compte. S’il n’y a aucune hypothèse fiable, aucun fournisseur ne sera détecté.
  • Lors de la détection des unités commerciales :
    • si au moins une hypothèse fiable a été trouvée, aucune hypothèse peu fiable ne sera prise en compte ;
    • si l’ensemble des hypothèses obtenues aux étapes 1 à 3 ne contient aucune hypothèse fiable, la valeur de l’indicateur sera ignorée. L’hypothèse finale sera alors sélectionnée parmi les hypothèses peu fiables.
Cela est dû aux différences entre les Jeux de données du fournisseur et de l’unité commerciale :
  • Il y a généralement nettement moins d’enregistrements d’unités commerciales de l’entreprise que d’enregistrements de fournisseurs. De plus, ils changent beaucoup moins fréquemment, ce qui les rend plus faciles à maintenir à jour. Par conséquent, la détection d’une hypothèse fiable augmente la probabilité que l’hypothèse finale soit correcte. Cependant, la détection d’une unité commerciale reste importante même si aucune hypothèse fiable n’a été trouvée, puisque le facteur le plus important pour la fiabilité du résultat de détection est l’évaluation de la fiabilité des paires fournisseur-BU.
  • Il y a généralement beaucoup plus d’enregistrements de fournisseur, et le jeu de données contient davantage de colonnes, car les fournisseurs indiquent plus d’informations sur leur propre entreprise dans leurs factures (contrairement à l’unité commerciale). Les enregistrements peuvent également contenir des informations obsolètes, si bien que la fiabilité du filtrage des hypothèses dépendra à la fois de la qualité du jeu de données et du type de scénario de vérification.
Pour améliorer la probabilité de détecter des hypothèses fiables, maintenez les jeux de données à jour et incluez autant d’informations que possible sur les fournisseurs et les unités commerciales.

​
Résultats de la détection du fournisseur et de l’unité commerciale

Les principaux résultats de la détection du fournisseur et de l’unité commerciale sur la facture sont :
  • l’identifiant de l’enregistrement du fournisseur dans le jeu de données Vendors
  • l’identifiant de l’enregistrement d’unité commerciale dans le jeu de données BusinessUnits
Si le jeu de données Vendors indique que l’Id dépend du BusinessUnitId (voir Jeu de données Vendors), le résultat de la détection du fournisseur contiendra l’Id correspondant au BusinessUnitId.
Une unité commerciale peut être détectée de manière peu fiable. Dans ce cas, le paramètre d’enregistrement du document fc_Predefined:InvoiceIsVendorSuspicious (fc_Predefined:InvoiceIsBusinessUnitSuspicious) sera défini à true.Les régions des champs suivants peuvent être identifiées grâce à la détection du fournisseur et de l’unité commerciale :Pour le fournisseur :
  • Name
  • ID TVA
  • NationalVatID
  • IBAN
  • Street
  • Code postal
  • Ville
Pour l’unité commerciale :
  • Name
  • ID TVA
  • Rue
  • Code postal
  • City
En examinant les emplacements de ces régions sur l’image, vous pouvez voir exactement à quel endroit le programme a trouvé les champs des groupes de champs Fournisseur et Unité commerciale, ce qui lui a permis de détecter le fournisseur et l’unité commerciale.
Si les valeurs des champs IBAN et VATID sont absentes du jeu de données Vendors, les mots-clés et le format peuvent être utilisés pour détecter les valeurs appropriées, de la même façon que les coordonnées bancaires sont détectées (si le fournisseur correspondant a été trouvé).
La recherche de toute région de champ peut être modifiée par entraînement ou en appliquant un FlexiLayout supplémentaire (voir Capture de champs de facture supplémentaires). Cela n’aura aucun effet sur la détection du fournisseur et de l’unité commerciale, mais peut affecter l’emplacement des régions des champs dans ces groupes de champs après la mise en correspondance de la Document Definition avec les factures.
La détection du fournisseur et de l’unité commerciale permet notamment de récupérer les informations sur leurs pays respectifs à partir du champ CountryCode des enregistrements trouvés dans le jeu de données. Ces informations sont ensuite utilisées pour sélectionner les mots-clés et les taux d’imposition, ainsi que pour capturer d’autres champs de la facture. Elles servent également de condition au déclenchement des règles de validation de la facture.

​
Comment modifier la méthode de détection du fournisseur ou de l’unité commerciale par le programme

Plus un enregistrement de fournisseur ou d’unité commerciale dans le jeu de données correspond au texte extrait d’une image de facture, plus le programme identifie avec précision le fournisseur ou l’unité commerciale.Vous devez d’abord identifier les données de la base de données externe qui correspondent aux colonnes du jeu de données utilisées pour trouver la société sur une facture. La base de données externe et le jeu de données doivent être correctement connectés (voir Utilisation des bases de données de fournisseurs et d’unités commerciales).Si une même entreprise figure à la fois dans la liste des Vendors et dans la liste des unités commerciales, vous devez indiquer le même VATID pour les enregistrements correspondants dans les deux jeux de données (même en l’absence de VATID sur les factures). Cela évitera au programme de détecter incorrectement le fournisseur et l’unité commerciale.Pour compenser les éventuelles variations des valeurs des champs sur les images, utilisez :

​
Utilisation de valeurs prédéfinies de fournisseur et d’unité commerciale avec les valeurs extraites

Le fournisseur ou l’unité commerciale de l’entreprise figurant sur la facture peut être déterminé à l’avance en fonction de la source de la facture (nom de l’opérateur de numérisation ou adresse e-mail de l’expéditeur du message). Vous pouvez spécifier explicitement le fournisseur et/ou l’unité commerciale avant la détection automatique. Pour ce faire, définissez la valeur du paramètre d’enregistrement du document fc_Predefined:InvoicePredefinedVendorId (fc_Predefined:InvoicePredefinedBusinessUnitId) sur l’identifiant (Id) d’une entrée du jeu de données Vendors ou BusinessUnits. Cela n’empêche pas la détection automatique du fournisseur et/ou de l’unité commerciale. Ainsi, en plus du fournisseur et/ou de l’unité commerciale prédéfinis, vous obtiendrez une valeur de confiance (cette valeur indique dans quelle mesure les valeurs prédéfinies correspondent aux valeurs extraites de l’image), ainsi que les régions des champs des groupes de champs Fournisseur et/ou Unité commerciale.

​
InvoiceNumber, InvoiceDate

L’en-tête d’une facture comprend notamment les champs InvoiceNumber et InvoiceDate.Ces champs sont détectés à l’aide de mots-clés spécifiés dans les propriétés de langue de la Document Definition. Le fournisseur et l’unité commerciale sont détectés en premier, ce qui fournit des informations sur leurs pays respectifs. Les pays déterminent ensuite les langues (les langues correspondant à un pays sont spécifiées dans la Document Definition). Le jeu de mots-clés utilisé pour trouver les champs est défini à partir des pays du fournisseur et de l’unité commerciale.Vous pouvez modifier la manière dont le programme recherche les régions des champs en modifiant les mots-clés (voir Mots-clés) et en utilisant l’entraînement (voir Entraînement).

​
Comment le programme détermine-t-il qu’un document est une facture ?

FC détermine si un document est une facture lors de l’application du FlexiLayout.Les conditions ci-dessous indiquent qu’un document est une facture. Elles n’ont pas toutes besoin d’être remplies, mais chacune a un certain poids.
  • Les champs InvoiceNumber et InvoiceDate ont été détectés.
  • Des mots-clés de l’élément localisé InvoiceIdentifiers ont été détectés (voir Mots-clés).
  • Un fournisseur ou une unité commerciale a été détecté sur le document.
Un document peut être identifié comme un avoir si des mots-clés de l’élément CreditNoreKeyword ont été détectés sur l’image ou si le document présente un Total négatif.
FCFORINVOICES extrait les champs suivants d’une facture :

Le montant total de la facture (Total) et la devise de la facture (Currency)

Oui

Oui

Taxes :

  • Le total hors taxes (NetAmount0)
  • Le montant de la facture avant taxes (TotalNetAmount)
  • Le montant total des taxes dues (TotalTaxAmount)

Oui

Oui

  • Groupes de taxes (montant avant taxes (NetAmount), montant des taxes dues (TaxAmount), taux d’imposition (TaxRate))

Non

Oui

Taxe supplémentaire (AdditionalCosts)

Oui

Oui

Les informations de la Document Definition sont utilisées pour repérer les montants et les taux d’imposition :
  • Les taux de taxes applicables dans le pays du fournisseur (vous pouvez les spécifier dans l’onglet Tax Rates des propriétés du pays ; voir Country and language settings)
  • Les mots-clés des taux d’imposition (vous pouvez les spécifier dans l’onglet Keywords des propriétés de la langue. Voir aussi Keywords).
Le programme essaie de trouver jusqu’à deux taux d’imposition dans l’image. S’il y a plus de deux taux d’imposition dans la facture, des champs supplémentaires peuvent être créés et renseignés manuellement dans le formulaire de données.Le programme utilise des mots-clés pour détecter les champs TotalTax et TotalNetto. Vous pouvez spécifier ces mots-clés dans les propriétés d’un pays ou d’une langue, selon la façon dont le mot-clé doit être utilisé (pour plus de détails, voir Country and language settings). Pour plus d’informations sur les mots-clés, voir Keywords.Il existe deux types de mots-clés pour le champ Total, placés dans différentes catégories (pour plus d’informations sur les catégories Located elements, voir Keywords) :
  • AmountTotalHighConfidenceLabels : mots-clés qui apparaissent uniquement à proximité du champ Total, comme “Pay this amount.”
  • AmountTotalLowConfidenceLabels : mots-clés qui peuvent apparaître à proximité du champ Total, mais aussi près d’autres champs. Par exemple, le mot-clé “Total” peut apparaître près du champ Total, mais aussi près d’un champ contenant le poids total de tous les articles d’une facture.
Conseil. Si vous ne savez pas dans laquelle de ces deux catégories ajouter un mot-clé, ajoutez-le à AmountTotalHighConfidenceLabels. Si, sur certaines factures, ce mot-clé amène le programme à identifier un autre champ comme champ Total, vous pouvez le déplacer vers AmountTotalLowConfidenceLabels.En plus des mots-clés, le programme recherchera les éléments suivants lorsqu’il tentera de détecter le champ Total :
  • Des nombres qui apparaissent deux ou trois fois sur la même ligne ou dans la même colonne de l’image. Ces nombres peuvent correspondre au Total sur des factures pour lesquelles aucune taxe n’est spécifiée.
  • Des nombres qui sont la somme des nombres situés au-dessus d’eux dans la même colonne.
  • Les plus grands nombres (en valeur absolue) situés à la fin du document.
Le programme recherchera le champ Currency uniquement si un champ Total a été détecté. Les mots-clés définis dans les propriétés du pays de la Document Definition seront utilisés.Tous les champs du groupe de champs Montants qui n’ont pas pu être détectés dans l’image seront calculés automatiquement, à l’exception du champ Total. Ce champ doit être détecté dans l’image.Si le programme ne parvient pas à extraire correctement les informations des champs du groupe de champs Montants, le champ Total est marqué comme nécessitant une vérification.Si le programme ne parvient pas à détecter les champs Total et Currency avec un degré de confiance élevé, ou ne parvient pas du tout à les détecter, vous pouvez utiliser l’entraînement pour améliorer la qualité de l’extraction.
FCFORINVOICES peut extraire tous les numéros de commande d’achat et les montants correspondants de la facture.Cette fonctionnalité est désactivée par défaut (voir mise en correspondance des commandes d’achat).Pour extraire les numéros de commande d’achat, vous aurez besoin d’un jeu de données contenant une liste des numéros de commande d’achat possibles et de leurs montants (voir jeu de données PurchaseOrders).Le champ Commande d’achat peut être extrait à l’aide de :Si un jeu de données contenant des numéros de commande d’achat possibles est utilisé, FCFORINVOICES recherchera dans les images les numéros figurant dans ce jeu de données. Il est préférable d’avoir le moins possible de numéros de commande d’achat dans la base de données, et vous pouvez faire plusieurs choses pour en réduire le nombre :
  • Utilisez la colonne VendorId du jeu de données. Dans ce cas, le programme utilisera uniquement les numéros de commande d’achat du fournisseur de la facture.
  • Filtrez les commandes d’achat pour lesquelles une facture a déjà été reçue et ajoutez uniquement au jeu de données les numéros des commandes d’achat pour lesquelles aucune facture n’a encore été reçue.
Le programme recherchera dans la base de données les montants correspondant aux numéros de commande d’achat détectés.Le programme recherchera également dans l’image tous les numéros de commande d’achat, y compris ceux qui figurent dans les lignes d’articles de la facture.Les commandes d’achat sont généralement générées par le système ERP de l’acheteur, de sorte que les factures adressées à une unité commerciale donnée ont tendance à se ressembler. Il est généralement possible de les décrire à l’aide d’une expression régulière.S’il existe une expression régulière pour les numéros de commande d’achat, le programme détectera dans les images tous les numéros qui correspondent à cette expression. L’expression régulière peut être spécifiée dans un fichier de configuration XML à l’aide des balises suivantes :
.<InvoiceSettings>
...
<OrderNumber>
   <Value>
      <RegularExpression></RegularExpression>
   </Value>
</OrderNumber>
</InvoiceSettings>
Pour en savoir plus sur les fichiers de configuration XML, voir Modification des paramètres de traitement des factures dans des fichiers XML.
FCFORINVOICES peut extraire les lignes d’articles des factures à partir des images.L’extraction des lignes d’articles des factures est désactivée par défaut (voir Champs supplémentaires).Pour obtenir la liste des champs que le programme extrait automatiquement, voir Champs capturés.FCFORINVOICES recherche d’abord un tableau dans l’image. Pendant cette recherche, il utilise les mots-clés des en-têtes de colonnes spécifiés pour chaque langue dans les propriétés de la Document Definition. Les mots-clés des colonnes des lignes d’articles sont également utilisés pour classer les éléments, c’est-à-dire pour déterminer le type de chaque colonne de ligne d’article.Ensuite, le programme utilise les informations sur les colonnes détectées et les expressions mathématiques pour trouver les lignes d’articles dans le tableau de la facture.Enfin, le programme recherche les champs dans les lignes d’articles à partir des colonnes.L’entraînement peut être utilisé pour améliorer la qualité de l’extraction automatique des lignes d’articles.

​
Utilisation des réseaux neuronaux

L’un des principaux avantages des réseaux neuronaux est leur capacité d’auto-apprentissage : ils peuvent détecter des dépendances complexes entre les données d’entrée et en tirer des généralisations utiles. Le programme comprend deux réseaux neuronaux qui peuvent être utilisés pour extraire les champs suivants :
  • InvoiceNumber
  • InvoiceDate
  • Total
  • Fournisseur \ Nom
  • Fournisseur \ Adresse
  • Unité commerciale \ Nom
  • Unité commerciale \ Adresse
  • Commandes d’achat \ Numéro de commande
  • LineItems:
    • OrderNumber
    • OrderDate
    • Position
    • ArticleNumber
    • Description
    • Quantité
    • Unité de mesure
    • Prix unitaire
    • Prix total net
    • VATPercentage
Pour une précision maximale, le programme utilisera à la fois un FlexiLayout et ses réseaux neuronaux pour extraire les champs de facture. Les champs que le programme ne parvient pas à extraire à l’aide de ses réseaux neuronaux seront extraits à l’aide du FlexiLayout. Si un champ peut être extrait à la fois par les réseaux neuronaux et par le FlexiLayout, le programme combinera intelligemment les résultats obtenus par ces deux méthodes. La façon dont les résultats sont combinés dépend du champ (voir Combinaison des résultats de détection des champs pour plus de détails).

​
Désactivation des réseaux neuronaux

Par défaut, les réseaux neuronaux sont utilisés comme deuxième méthode d’extraction des champs du document. Si vous devez traiter, dans votre projet de factures, des documents autres que des factures, vous pouvez désactiver le réseau neuronal, car il a été entraîné spécifiquement pour extraire les champs de facture et risque de ne pas être performant sur d’autres types de documents. Pour désactiver le réseau neuronal pour le groupe Lignes d’articles :
  • Ouvrez le Document Definition Editor.
  • Cliquez sur Propriétés de Document Definition… → Paramètres de Document Definition → Champs et fonctionnalités supplémentaires.
  • Désactivez l’option Extraction approfondie des lignes d’articles de la facture.
Pour désactiver le réseau neuronal pour les groupes En-tête de facture, Fournisseur, unité commerciale et Commande d’achat :
  • Ouvrez le Document Definition Editor.
  • Cliquez sur Propriétés de Document Definition… → Paramètres de Document Definition → Champs et fonctionnalités supplémentaires.
  • Désactivez l’option Extraction approfondie des champs de l’en-tête de facture.

​
Combinaison des résultats de détection des champs

La manière dont le programme combine les résultats de détection des champs ou sélectionne le meilleur résultat dépend du champ concerné. En règle générale, la priorité est donnée aux résultats obtenus par le réseau neuronal correspondant. Les exceptions à cette règle sont les recherches basées sur des jeux de données et les recherches utilisant des expressions régulières créées pour des documents client spécifiques. Groupe de champs de l’en-tête de facture Les résultats obtenus par le réseau neuronal auront toujours la priorité pour les champs suivants :
  • Numéro de facture
  • Date de la facture
  • Total
Unité commerciale et fournisseur Par défaut, l’unité commerciale et le fournisseur sont détectés à partir d’un jeu de données, à condition qu’un jeu de données soit sélectionné. En outre, les champs suivants peuvent être détectés à l’aide du réseau neuronal s’il n’existe aucune entrée correspondante dans le jeu de données :
  • Nom
  • VATID (ABN)
  • Adresse
Si aucun jeu de données n’est sélectionné, seul le réseau neuronal sera utilisé. Groupe de champs de commande d’achat Le réseau neuronal ne sera utilisé que si la valeur n’est pas détectée au moyen d’un jeu de données ou d’une expression régulière. Lignes d’articles Pour les champs des lignes d’articles, la priorité sera donnée aux résultats obtenus par le réseau neuronal. Si le réseau neuronal détecte l’ensemble du tableau des lignes d’articles, ce tableau sera utilisé pour le traitement ultérieur. Sinon, le programme utilisera les lignes d’articles détectées au moyen du FlexiLayout. Si le réseau neuronal détecte uniquement les champs Description et TotalPriceNetto pour chaque ligne d’article, ils seront complétés par les champs détectés au moyen du FlexiLayout.