La numérisation et la mise à disposition d'une archive papier est en partie une tâche pour l'IA. L'IA est douée pour reconnaître du texte sur un scan et proposer des métadonnées, mais le travail physique consistant à sortir des dossiers d'une armoire, les classer, retirer les agrafes et les faire passer dans le scanner reste un travail humain. Vient ensuite le contrôle des erreurs de reconnaissance, et c'est précisément l'élément relevant du contrôle humain : l'IA fait une proposition, une personne l'approuve ou la rejette, avec motif.
L'axe physique obtient ici un score faible (1 sur 5), et c'est la principale raison pour laquelle cette tâche ne relève pas de la catégorie 1. Le papier doit d'abord passer par un scanner. Ce n'est pas un travail intellectuel mais manuel : soulever des dossiers, les trier dans l'ordre, mettre de côté les pages endommagées, vérifier les documents recto-verso. Un gestionnaire d'archives qui traite mille classeurs consacre une grande partie de son temps à ce travail préparatoire physique, et non à la partie numérique qui suit. Aucun modèle d'IA, même excellent en reconnaissance de texte, ne soulève un classeur d'une étagère.
Dans une entreprise où les archives arrivent déjà en grande partie sous forme numérique — pensez aux factures déjà reçues en PDF plutôt que sur papier — ce goulot d'étranglement physique disparaît complètement. Cela touche à une question similaire à celle de savoir si l'IA peut reprendre l'échange de factures numériques via la facturation électronique, où le document démarre déjà sous forme numérique et où l'automatisation peut donc aller beaucoup plus loin. La présence de papier physique n'est donc pas une caractéristique fixe de la « numérisation d'archives » en général, mais de la situation spécifique où le papier doit encore être scanné.
Le volume obtient un score élevé (4 sur 5) : une archive contient souvent des centaines, voire des milliers de documents présentant une structure similaire. C'est précisément le genre de répétition sur lequel l'automatisation excelle. Une fois qu'un document est scanné, un logiciel de reconnaissance optique de caractères (OCR) peut lire le contenu, reconnaître des mots-clés et proposer une première suggestion de métadonnées telles que la date, le numéro de dossier ou le type de document. En cas de faible volume — par exemple un transfert unique de vingt dossiers personnels dans un petit bureau — ce gain est quasiment inexistant, et scanner et saisir manuellement est souvent aussi rapide que de mettre en place et tester un système.
La structuration obtient un score moyen (3 sur 5). Certaines archives sont assez prévisibles : formulaires standard, contrats à mise en page fixe, factures avec des champs fixes. D'autres archives sont un mélange de notes manuscrites, de corrections barrées, de copies floues et de documents dans différentes langues ou polices de caractères. Plus l'archive est désordonnée, plus la reconnaissance OCR échoue souvent et plus une personne doit vérifier. Un gestionnaire d'archives qui traite principalement des formulaires standardisés obtiendra des résultats différents de celui qui doit rendre consultable une correspondance manuscrite vieille de plusieurs décennies.
Le coût de l'erreur et la conformité obtiennent tous deux un score moyen (3 sur 5). Un mot mal reconnu dans un texte consultable n'est généralement pas dramatique — la fonction de recherche ne trouvera simplement pas le document immédiatement. Mais pour les archives soumises à une obligation légale de conservation, les dossiers médicaux ou les pièces juridiques, une erreur dans les métadonnées (date erronée, numéro de dossier erroné) peut entraîner un dossier introuvable à temps ou détruit à tort. Si l'archive relève d'une obligation de conservation ou d'un autre régime légal, des exigences légales propres s'appliquent ; ce n'est pas une question qui se résout par un choix d'automatisation.
La combinaison de ces axes signifie que le rôle de gestionnaire d'archives ou d'office manager ne disparaît pas, mais évolue. Le travail physique de scan et le contrôle final subsistent ; la saisie manuelle de chaque champ disparaît en grande partie. Les conditions préalables mentionnées ne sont pas facultatives pour autant : l'équipement de scan et la qualité de la reconnaissance OCR doivent être adéquats, et un contrôle par échantillonnage des erreurs de reconnaissance doit avoir lieu avant que les documents ne soient marqués comme définitivement consultables. Sans ce contrôle, de petites erreurs de reconnaissance s'accumulent jusqu'à rendre l'archive peu fiable pour la recherche.
Ce schéma — une tâche physique ou très variable qui peut être en partie reprise, en partie non — se retrouve aussi dans des secteurs très différents, comme dans ce que l'IA peut reprendre dans le secteur du transport, où les actions physiques déterminent également la limite de ce qu'un système peut reprendre. C'est une comparaison utile pour se rappeler que l'axe physique pèse souvent plus lourd que le degré de sophistication du logiciel de reconnaissance.
Souhaitez-vous savoir ce qu'il en est pour votre propre archive ou votre propre poste ? Le quickscan gratuit de ftetoai comprend douze questions, ne demande aucun compte et donne une indication de la part des heures de votre profil qui peut être reprise dès aujourd'hui par l'IA. Un scan de travail complet avec analyse détaillée par tâche est encore en construction ; nous ne le proposons donc pas encore ici, mais le quickscan donne déjà une première image honnête.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.