Meridian Apparel est une marque de biens de consommation de taille intermédiaire qui s’approvisionne auprès d’usines à l’étranger dans plusieurs régions. Deux à trois analystes achats rapprochent chaque facture fournisseur entrante de la base des bons de commande ouverts de l’entreprise et de la liste maîtresse des fournisseurs avant que les données n’alimentent les systèmes financiers et de gestion des stocks. Les erreurs dans le classeur maître se répercutent directement dans les dossiers de reporting examinés par le directeur financier.
Les ruptures de page, les cellules fusionnées et les numéros de PO enfouis compromettaient silencieusement le fichier maître
À chaque cycle mensuel, l’équipe traitait des dizaines de factures comportant jusqu’à 50 lignes chacune — reçues sous forme de PDF scannés, de fichiers numériques natifs et de classeurs Excel avec des mises en page à cellules fusionnées. La consolidation était presque entièrement manuelle : ouvrir chaque facture, l’analyser visuellement, saisir chaque ligne à la main.
Trois modes de défaillance se cumulaient. Les ruptures de page produisaient des SKU orphelins avec des quantités nulles — des enregistrements qui semblaient complets mais étaient structurellement corrompus. Les modèles Excel fournisseurs à cellules fusionnées généraient des lignes vides que les analystes remplissaient de manière incohérente. Les fournisseurs qui enfouissaient les références de PO dans des en-têtes en texte libre — « Re: Your order 45992-A » — déclenchaient des alertes de non-correspondance de PO et des cycles de correction séparés. Les contrôles de rapprochement mathématique détectaient environ 90% des erreurs OCR sur lignes scindées, mais seulement après la saisie des données. Une montée en charge saisonnière visant à intégrer trois à cinq nouvelles usines et une initiative finance réduisant les délais de paiement de net-45 à net-30 ont fait voler en éclats le modèle de montée en charge informel : les lots de factures devaient désormais passer la validation en une seule journée ouvrée.
Energent.ai est devenu le pipeline de consolidation de bout en bout
L’équipe a évalué une suite de macros Excel enrichie et une solution OCR autonome. Les deux traitaient l’ingestion et la validation comme des étapes distinctes ; aucune ne pouvait rapprocher les valeurs extraites de la liste maîtresse des fournisseurs ou de la base des bons de commande ouverts. Energent.ai a pris en charge l’ensemble du pipeline au sein d’une seule session agent :
- Achemine chaque document selon la présence d’une couche texte — les PDF natifs sont traités directement, les PDF scannés via une extraction visuelle — éliminant les dérives de coordonnées
- Extrait les lignes à travers les ruptures de page en s’appuyant sur les en-têtes de tableau plutôt que sur les limites de page
- Renseigne automatiquement les colonnes à cellules fusionnées — nom de l’usine, code style, numéro de PO — pour refléter l’intention du fournisseur
- Récupère les numéros de PO enfouis via des regex sur l’intégralité du bloc de texte, en annotant les valeurs récupérées avec un indicateur
source: text_recovery - Exécute une validation en deux phases avant l’ajout : la phase 1 normalise les dates et les champs numériques ; la phase 2 rapproche la liste maîtresse des fournisseurs, valide les PO ouverts et exécute des contrôles arithmétiques au niveau des lignes et de la facture
- Place les exceptions en fonction du code d’échec —
vendor_unmatched,math_fail,po_not_found,confidence_below_85pct— dans un onglet dédié sans toucher aux données validées
Aucun pipeline OCR personnalisé. Aucun script de validation séparé. Aucune suite de macros fragile à maintenir.
La validation a été déplacée en amont de l’ajout au fichier maître
- Seuil de confiance à 85%. Les enregistrements sous le seuil n’atteignent jamais le fichier maître — ils arrivent dans l’onglet de préparation avec la raison de l’échec associée.
- Contrôles arithmétiques avant, pas après. Le rapprochement au niveau des lignes et de la facture s’exécute dans le cadre du pipeline automatisé, détectant ~90% des erreurs sur lignes scindées avant qu’elles ne corrompent le classeur.
- Routage indépendant du format. Les PDF scannés, les PDF natifs et les classeurs Excel s’exécutent dans la même session ; le type de document détermine le chemin d’extraction, pas le jugement de l’analyste.
- File d’attente des exceptions annotée. Chaque enregistrement signalé porte un code d’échec précis, remplaçant les corrections informelles au cas par cas par une liste de revue priorisée.
Deux à trois journées analyste par lot ont été réduites à une revue limitée aux exceptions
- Les lots de dix factures comportant chacun 30 à 50 lignes nécessitaient auparavant deux à trois journées analyste ; le traitement direct prend désormais en charge tous les enregistrements validés en phase 2 sans intervention d’un analyste
- La normalisation par remplissage automatique et la récupération regex des PO ont éliminé deux catégories d’erreurs d’extraction silencieuses sur tous les formats de modèles fournisseurs
- L’onglet de préparation étiqueté — chaque exception annotée avec un code d’échec précis — a remplacé un processus de correction informel par une file claire et exploitable
"Ce qui a changé, c’est que nous avons cessé de considérer la validation comme quelque chose qui se produit après la saisie des données. Les exceptions sont placées dans un onglet de préparation avec la raison déjà renseignée — nous savons exactement quoi corriger et pourquoi avant d’y toucher." — Priya Sharma, Responsable des opérations achats chez Meridian Apparel