Un flux de travail PDF scanné en Excel peut faire gagner du temps, mais le vrai contrôle commence souvent une fois le tableau ouvert dans un tableur. Si la source est un relevé bancaire, un registre de factures, une note de frais ou un récapitulatif de paiements, de petites erreurs d’OCR peuvent créer de gros problèmes en aval. Une date peut passer de 03/07/2026 à 08/07/2026, un séparateur décimal peut disparaître, ou un numéro de compte peut perdre un chiffre. La méthode la plus sûre ne consiste donc pas seulement à extraire les données, mais aussi à les vérifier.
Cet article se concentre sur les contrôles à faire après l’extraction. Il ne traite pas en détail le redressement des scans ni la validation des lignes et des totaux. L’objectif ici est plus précis : repérer les erreurs les plus coûteuses dans les dates, les montants décimaux et les numéros de compte ou de référence.
Si vous comparez les options générales autour de ce sujet, consultez la page d’information OCR PDF to Excel. Il s’agit d’une ressource d’information et de disponibilité, pas d’une action de conversion en ligne.
Pourquoi ces trois champs demandent une attention particulière
Toutes les erreurs d’OCR n’ont pas la même gravité. Une faute dans une colonne de description peut être gênante. En revanche, une date incorrecte, un montant mal lu ou un identifiant altéré peut fausser un suivi, un rapprochement ou une importation.
Les champs les plus sensibles sont généralement les suivants :
- Dates : l’OCR peut inverser des chiffres, confondre les séparateurs ou mal interpréter le jour et le mois.
- Valeurs décimales : une virgule ou un point peu visible peut être supprimé, déplacé ou dupliqué.
- Numéros de compte et identifiants : les longues suites de caractères sont exposées aux chiffres fusionnés, aux zéros supprimés et aux confusions comme
0etO.
Ces erreurs sont fréquentes parce que l’OCR lit des formes visuelles, pas la logique métier. Un fichier Excel peut paraître propre tout en contenant des erreurs discrètes.
Exemple concret : registre de factures issu d’un PDF scanné
Imaginons un PDF scanné contenant un tableau avec les colonnes suivantes :
- Date de facture
- Numéro de facture
- Numéro de compte client
- Montant hors taxe
- Montant de taxe
- Montant total
Après passage du PDF scanné en Excel, le résultat peut sembler exploitable au premier regard. Pourtant, une vérification plus attentive peut révéler des problèmes comme :
2026-09-12devenu2026-09-171540.75devenu15407500198234devenu19823488.40devenuB8.40A10239008devenuA1023900B
Aucune de ces erreurs ne paraît forcément spectaculaire. Mais si le fichier est ensuite filtré, rapproché, importé ou audité, leurs effets peuvent se propager rapidement.
Méthode en 5 étapes pour vérifier le résultat après OCR
Utilisez ce processus court avant de faire confiance au tableur extrait.
-
Gardez le document d’origine comme référence
Ouvrez le PDF scanné à côté du tableur. Vérifiez toujours par rapport à l’image source, pas de mémoire. -
Commencez par les colonnes les plus risquées
Contrôlez d’abord les dates, montants, numéros de compte, numéros de facture, références, identifiants fiscaux et soldes avant les colonnes descriptives. -
Uniformisez le format des cellules sans changer le sens des données
Définissez les colonnes de date comme dates, les montants comme nombres, et les identifiants sensibles comme texte lorsque les zéros initiaux doivent être conservés. -
Filtrez les valeurs suspectes
Recherchez les cellules vides, les valeurs trop longues ou trop courtes, les nombres répétés, le texte dans des colonnes numériques et les séparateurs incohérents. -
Faites une vérification ligne par ligne sur les cas les plus sensibles
Donnez la priorité aux lignes avec montants élevés, formats de date inhabituels et identifiants longs. Ce sont souvent les erreurs les plus coûteuses.
Comment contrôler les dates de manière fiable
Les erreurs de date sont faciles à manquer parce que le résultat peut rester une date apparemment valide.
Voici une petite liste de contrôle :
- Confirmez le format de la source, par exemple
JJ/MM/AAAA,MM/JJ/AAAAouAAAA-MM-JJ. - Vérifiez si l’OCR a traité les séparateurs de façon cohérente : barre oblique, tiret ou point.
- Triez la colonne pour repérer une valeur en dehors de la période attendue.
- Filtrez les cellules vides et les valeurs aberrantes, par exemple des dates bien plus anciennes ou plus récentes que les autres.
- Comparez les premières lignes, les dernières et quelques lignes au milieu avec le PDF d’origine.
Signaux d’alerte fréquents :
- Jour et mois inversés seulement sur certaines lignes
- Jour à un chiffre transformé en autre valeur
- Date stockée comme texte au lieu d’une vraie date
- Dates répétées alors que la source montre une évolution ligne par ligne
Une bonne pratique consiste à ajouter une colonne temporaire nommée Contrôle date avec des statuts comme OK, À revoir ou Écart.
Comment repérer les erreurs de décimales et de montants
Les colonnes de montants méritent une attention particulière, car l’OCR peut mal lire les séparateurs décimaux, les séparateurs de milliers, les signes négatifs et les symboles monétaires.
Vérifiez notamment :
- si la source utilise
1,234.56ou1.234,56; - si les montants négatifs conservent leur signe moins ou leurs parenthèses ;
- si certains montants sont soudainement cent ou mille fois trop grands ou trop petits ;
- si des nombres ont été importés comme texte à cause de virgules, d’espaces ou de symboles ;
- si les montants hors taxe, taxe et total restent cohérents sur quelques lignes échantillons.
Un contrôle rapide par motif permet souvent de trouver les erreurs les plus visibles.
| Champ à examiner | Erreur d’OCR courante | Point à contrôler |
|---|---|---|
| Montant hors taxe | Séparateur décimal manquant | Montant brusquement trop élevé |
| Montant de taxe | 8 lu comme B ou 3 |
Présence de texte dans une colonne numérique |
| Montant total | Style de séparateur modifié | Format incohérent selon les lignes |
| Valeur négative | Signe moins disparu | Avoirs ou remboursements devenus positifs |
Même si le tableur recalcule correctement ensuite, la valeur source importée peut déjà être fausse. Il faut donc toujours comparer un échantillon avec le PDF scanné.
Comment vérifier les numéros de compte et autres identifiants
Les numéros de compte, numéros de facture, références et identifiants fiscaux doivent le plus souvent être traités comme du texte, pas comme des valeurs de calcul.
Règles utiles à appliquer :
- Conserver les zéros initiaux.
- Ne pas se fier au format numérique automatique pour les identifiants longs.
- Surveiller les confusions de caractères comme
0/O,1/I,5/Set8/B. - Vérifier la longueur attendue pour chaque type d’identifiant.
- Repérer les valeurs répétées lorsqu’elles devraient être uniques.
Une méthode pratique consiste à ajouter une petite liste de contrôle à côté des données :
- longueur attendue respectée ;
- uniquement les caractères autorisés ;
- zéro initial conservé ;
- absence d’espaces accidentels ;
- concordance avec le PDF source sur un échantillon.
Sur une colonne longue, un tri par longueur ou par ordre alphabétique aide à faire ressortir les valeurs anormales. Si un champ doit contenir exactement dix chiffres, toute ligne avec neuf ou onze caractères mérite une vérification immédiate.
Liste de contrôle réutilisable avant d’exploiter le fichier
Avant d’utiliser le résultat du PDF scanné en Excel pour un rapport, un rapprochement ou une importation, passez rapidement sur cette liste :
- Format de date confirmé à partir du document source
- Style des séparateurs décimaux et de milliers confirmé
- Zéros initiaux conservés lorsque nécessaire
- Colonnes numériques composées de nombres, pas d’un mélange nombre et texte
- Colonnes d’identifiants vérifiées comme texte
- Valeurs aberrantes filtrées et revues
- Échantillon aléatoire comparé ligne par ligne avec le PDF scanné
- Lignes à fort enjeu ou à montant élevé contrôlées manuellement
Cette liste est simple, mais elle évite de confondre apparence propre et fiabilité réelle.
Limites à garder en tête après l’OCR
La vérification réduit le risque, mais ne garantit pas que chaque erreur sera détectée.
Quelques limites importantes :
- Un scan de mauvaise qualité peut produire des erreurs systématiques sur de nombreuses lignes.
- Si le tableau source est tronqué, incliné ou partiellement illisible, une relecture manuelle plus poussée reste nécessaire.
- Les formats de date ambigus peuvent exiger du contexte métier, pas seulement un contrôle visuel.
- Certains numéros de compte ne peuvent pas être validés sans une référence externe fiable.
- Les cellules fusionnées et les lignes de tableau sur plusieurs lignes peuvent déplacer des valeurs dans la mauvaise colonne.
La profondeur du contrôle doit donc être proportionnelle à l’usage prévu du fichier. Plus l’enjeu est important, plus la vérification doit être stricte.
À retenir
Passer un PDF scanné en Excel avec OCR est surtout utile si l’extraction est suivie d’un vrai contrôle. Les dates, les décimales et les numéros de compte doivent être traités en priorité, car ce sont des champs faciles à mal lire et coûteux à mal interpréter. Au lieu de demander seulement si le tableau a bien été extrait, posez-vous une question plus utile : est-ce que les données sensibles ont gardé le même sens que dans le PDF scanné d’origine ?
Ce changement de méthode suffit souvent à transformer un résultat brut d’OCR en base de travail plus sûre, en attendant une validation humaine complète.