10K docs/mois sur un VPS
Traitement massif
OCR + extraction structurée par lots. File asynchrone, retry auto, observabilité.
BACK-OFFICE
Back-office sans papier. Votre admin libère 60% du temps.
Pour PME avec back-office lourd · cabinets juridiques · cabinets comptables
Pipeline OCR + extraction structurée pour factures, contrats, dossiers. UI de revue humaine incluse. Export direct vers votre ERP ou base de données.
LE PROBLÈME
Dix mille documents par mois. Traités à la main, un par un.
- COÛT
Votre équipe admin passe 60% du temps à transcrire factures, BL et contrats à la main.
- ERREURS
Chaque coquille coûte temps de correction, appels au fournisseur et parfois déclarations rectificatives.
- SAAS
Les solutions cloud facturent 0,05-0,30 € par document. À 10K docs/mois = 500-3 000 €/mois rien qu’en API.
- DONNÉES
Monter des contrats clients sur un OCR cloud américain = problème RGPD et confidentialité.
CE QUI CHANGE
Pipeline industriel. Sur votre infra, avec revue humaine où ça compte.
95%+ extraction correcte
Données validées
Schema Pydantic strict : ce qui sort du LLM colle à votre modèle ou part en revue humaine.
<10s par revue
UI de revue
Quand le modèle a faible confiance, un humain valide rapide en UI side-by-side.
Routage sous contrôle
Vous choisissez le routage
OCR sur votre VPS par défaut. Modèle d’extraction : OpenRouter (pay-per-use) ou modèle local pour les documents les plus sensibles. Conforme RGPD par architecture.
CE QUE VOUS RECEVEZ
Un système d’extraction. Avec tout ce qu’il faut pour opérer au quotidien.
Pas seulement le modèle : la file, l’UI, le monitoring et l’intégration ERP.
Pipeline OCR
PaddleOCR configuré pour vos formats. Pré et post-traitement optimisés pour votre type de document.
Extraction LLM
Prompts et schemas Pydantic par type de document. Validation structurée avant export.
UI de revue
Interface pour que votre équipe valide les cas faible confiance. Apprend des corrections.
Connecteurs ERP
Webhook, CSV, connexion directe à Sage/Odoo/Cegid. Ce que votre ERP comprend.
Dashboard métriques
Taux d’extraction, temps moyen, erreurs par fournisseur, coûts vs SaaS équivalent.
Workshop 1 jour
Onboarding équipe back-office. Comment opérer la file, ajuster prompts, gérer exceptions.
COMMENT ON LE CONSTRUIT
Quatre phases. Cinq semaines jusqu’en production.
On démarre avec UN type de document (le plus gros volume). Valide qualité puis on étend.
01 Semaine 0 · 30 min + 1h
Discovery + échantillon
Identification du type pilote. Réception 50-100 exemples pour benchmark.
Livrable · Scope + dataset échantillon
02 Semaine 1-2
Pipeline base
OCR optimisé, première extraction, schema Pydantic. Métriques initiales de qualité.
Livrable · POC sur l’échantillon avec métriques
03 Semaine 3-4
UI revue + intégration
UI revue humaine. Connexion ERP. File et monitoring.
Livrable · Système complet en staging
04 Semaine 5
Production + workshop
Déploiement prod, workshop, documentation, support 30j.
Livrable · Système en prod + ownership
STACK
Combinaison éprouvée pour volumes moyens (1K-50K docs/mois).
PaddleOCROpenRouter (multi-LLM)PydanticCeleryRedisPostgresFastAPIModèle local en option
PREUVE RÉELLE
PME services comptables
Lyon · France · Comptabilité / fiscalité
Traite 10 000 factures/mois sur son propre serveur. Avant : 1 800 €/mois pour un OCR cloud + 1 ETP de validation. Maintenant : VPS à 60 €/mois + modèles via OpenRouter pay-per-use (~40 €/mois en pratique) + 0,2 ETP de revue cas limites. Routage sous leur contrôle, conforme RGPD.
FAQ
Les questions qui comptent.
Quelle précision obtenez-vous typiquement ?
93-98% d’extraction correcte sans revue humaine, selon qualité du document original. Cas faible confiance passent en revue, ce qui monte normalement la qualité finale à 99%+.
Ça marche avec des documents manuscrits ?
Manuscrit formel (formulaires) oui, avec moindre précision (~80%). Notes manuscrites libres sont à la frontière de l’état de l’art — on évalue cas par cas.
Comment ça se compare à AWS Textract / Azure Form Recognizer ?
Pour volumes moyens (1K-50K/mois), notre stack on-premise est 5-10× moins cher et garde les données chez vous. Pour très bas volume (<500/mois) AWS est probablement plus simple. Pour très haut (>100K/mois) il faut dimensionner GPU.
Combien de temps prend un document ?
Facture A4 standard : 3-8 secondes en CPU. Contrat de 20 pages : 30-60 secondes. La file asynchrone permet de traiter des milliers en parallèle.
Et si j’ajoute un nouveau type de document après ?
Le stack est modulaire : nouveau type = nouveau schema Pydantic + nouveau prompt. Votre équipe peut le faire seule en suivant le pattern documenté. Si vous voulez qu’on le fasse, c’est un mini-sprint de 1-2 semaines.
Vous traitez plus de 1 000 documents par mois ?
Diagnostic gratuit de 30 min avec benchmark sur 5 de vos exemples. On vous dit qualité attendue, coûts et délai.