← Retour au blog

Automatisation de l’administration des ventes par IA

L’automatisation de l’administration des ventes permet de récupérer les commandes reçues par e-mail, d’analyser leurs pièces jointes, d’extraire les lignes et de préparer leur création dans l’ERP. La valeur ne vient toutefois pas de l’OCR seul : il faut aussi comparer les références, les prix, les conditions et les disponibilités avec les référentiels de l’entreprise. La bonne approche consiste à automatiser les cas fiables et à orienter les exceptions vers un contrôle humain.

Où l’ADV perd-elle du temps dans le traitement d’une commande ?

Dans une PME industrielle ou de négoce, une commande peut arriver dans un e-mail, sous la forme d’un PDF généré par un logiciel, d’un document scanné, d’une image, d’un fichier Excel ou d’un simple texte dans le corps du message. Le traitement commence souvent par une lecture de la boîte de réception, suivie de l’identification du client et de la pièce jointe.

Le collaborateur ADV doit ensuite retrouver les informations utiles :

  • identité et adresse du client ;
  • référence client et référence interne ;
  • désignation des articles ;
  • quantités et unités ;
  • prix négociés ou tarif applicable ;
  • date et adresse de livraison ;
  • conditions de paiement et de transport ;
  • éventuelles remises, substitutions ou demandes particulières.

La ressaisie dans l’ERP n’est qu’une partie du travail. Les pertes de temps se situent aussi dans la recherche du bon tarif, la vérification d’une référence ambiguë, la comparaison avec le stock disponible, la demande de clarification au client et la correction des erreurs de saisie.

France Num décrit l’automatisation par IA comme pouvant couvrir la saisie de données, l’exécution de processus métier, l’orchestration de systèmes et certaines décisions automatisées. Pour l’ADV, il faut donc raisonner en chaîne complète, et non en simple lecture de PDF.

À quoi ressemble un flux de saisie de commandes automatique ?

Un flux bien conçu sépare l’acquisition du document, l’extraction, les contrôles métier et l’écriture dans l’ERP. Cette séparation facilite les tests et permet de bloquer une commande sans interrompre toute la chaîne.

Réception, classement et rapprochement des documents

L’automatisation surveille une boîte e-mail ou un espace de dépôt. Elle identifie les messages qui peuvent contenir une commande, récupère les pièces jointes et écarte les documents qui ne relèvent pas de l’ADV.

Le rapprochement doit être défini avant le déploiement. Nous recommandons de retenir, par ordre de priorité, le numéro de commande lorsqu’il est présent, puis de le contrôler avec l’identifiant client, la date et le montant. Lorsque le numéro manque, la combinaison client, date, montant et références des lignes peut servir de clé de rapprochement. Une correspondance ne doit pas être considérée comme certaine si plusieurs éléments se contredisent.

Cette règle permet de traiter les cas fréquents : plusieurs pièces jointes dans un même e-mail, une commande répartie sur plusieurs pages, un accusé de réception joint au bon de commande, une version corrigée ou un doublon. Une version corrigée doit être rattachée à la commande initiale, conservée comme nouvelle version et soumise à un contrôle des différences. Aucun document ne devrait être supprimé automatiquement avant archivage ou validation.

Un exemple documenté par France Num dans un cas d’automatisation de commandes montre un flux qui récupère les e-mails et leurs pièces jointes, analyse les PDF, extrait les lignes de commande et crée la commande dans le logiciel commercial. Il s’agit d’un témoignage d’entreprise, pas d’une mesure représentative des PME ni d’une garantie applicable à tous les outils.

Classification du document

Les clients n’utilisent pas tous le même modèle de bon de commande. Certains documents présentent les informations en haut de page, d’autres dans un tableau complexe. Un même client peut aussi modifier son modèle.

Les outils de traitement documentaire peuvent d’abord identifier le type de document, puis sélectionner le modèle d’extraction adapté. Microsoft documente cette approche avec des modèles de classification personnalisés capables d’identifier le document avant l’extraction.

Dans la pratique, la classification peut distinguer :

  • un bon de commande ;
  • une demande de prix ;
  • une confirmation de commande ;
  • un avoir ou une facture ;
  • un document sans rapport avec une commande.

Cette étape évite d’appliquer la même logique à tous les fichiers. Elle permet aussi d’utiliser des règles différentes selon le client, le type de document ou le canal de réception.

Extraction des champs et des lignes

Le système extrait les informations générales et les lignes de commande. Il doit conserver la valeur extraite, son emplacement dans le document et son niveau de confiance lorsque l’outil le fournit.

BlocDonnées à extraireContrôle à prévoir
ClientNom, identifiant, adresse de livraisonCorrespondance avec la fiche client
CommandeNuméro, date, référence du documentUnicité et traçabilité
LignesRéférence, désignation, quantité, unitéCorrespondance avec le catalogue
PrixPrix unitaire, remise, deviseTarif et conditions applicables
LivraisonDate demandée, site, mode de transportFaisabilité et règles contractuelles
CommentairesTexte libre, demande particulièreRevue humaine si impact commercial

L’exploitabilité d’un PDF dépend de la qualité du texte, de la structure du document et de l’outil utilisé. Les PDF scannés sont traités comme des images, et la qualité du document, le type de fichier et la diversité des exemples influencent le résultat. Microsoft indique qu’un modèle personnalisé peut commencer avec au moins cinq documents d’exemple, mais ce point de départ ne dispense pas de tester les variantes réellement reçues par l’entreprise.

Normalisation des données

L’ERP attend des valeurs précises. Un client peut écrire une référence avec des espaces, une ancienne désignation ou une unité différente du référentiel interne. Il faut donc transformer les données extraites en un format commun avant de les transmettre.

La norme européenne EN 16931 concerne la facturation électronique, pas les bons de commande, mais la Commission européenne montre l’intérêt d’un modèle sémantique commun pouvant être transformé en messages structurés et traités automatiquement.

Pour une commande, le modèle interne doit notamment définir :

  • la clé unique de l’article ;
  • les unités autorisées ;
  • les règles de conversion ;
  • la devise et le format des montants ;
  • les champs obligatoires ;
  • les correspondances entre références client et références internes.

Quels contrôles automatiser avant de créer la commande dans l’ERP ?

Le contrôle métier répond à une question distincte de l’extraction : cette commande est-elle cohérente et acceptable ? France Num décrit une chaîne associant extraction, validation avec les référentiels internes et intégration dans l’ERP. Cette description de fonctionnalités ne constitue pas une preuve générale de performance.

Vérifier le client, les références et les conditions

Le système doit rechercher le client dans l’ERP ou le référentiel commercial. En cas de doublon, de client inactif ou d’adresse inconnue, la commande doit être placée en revue.

Pour chaque ligne, il faut comparer la référence extraite avec le catalogue. Une correspondance exacte peut être acceptée automatiquement. Une correspondance approchante, une ancienne référence ou une désignation ambiguë doit être signalée, même si le modèle de lecture paraît sûr.

Le prix extrait doit être comparé au tarif applicable au client, à la date de commande et aux conditions commerciales connues. Les prix atypiques et les conditions particulières peuvent traduire une négociation réelle. Nous recommandons de les soumettre à l’ADV plutôt que de les corriger automatiquement.

Une référence valide n’implique pas que la quantité demandée soit disponible. Le processus peut interroger le stock, les commandes en cours, les délais d’approvisionnement et les règles de substitution. Le résultat peut prendre la forme d’un statut : disponible, disponible partiellement, délai à confirmer ou vérification nécessaire.

Quel critère retenir pour le passage en automatique ?

Le seuil ne doit pas reposer sur le score de confiance seul. Nous recommandons de n’autoriser la création automatique que si les trois conditions suivantes sont réunies :

  1. le score de confiance des champs déterminants est suffisant selon le seuil testé par l’entreprise ;
  2. le client et chaque référence sont rapprochés sans ambiguïté avec les référentiels ;
  3. aucun écart tarifaire, aucune condition particulière et aucun problème de disponibilité ne sont détectés.

Si l’une de ces conditions échoue, la commande passe en revue humaine. Le score aide à orienter le traitement, mais Microsoft précise qu’il peut servir à accepter automatiquement une prédiction ou à la soumettre à une revue humaine, sans garantir l’exactitude du résultat.

Comment gérer les exceptions sans recréer de la ressaisie ?

Une automatisation utile réserve l’intervention humaine aux situations qui demandent une décision ou une clarification. Nous recommandons une file d’exception unique, avec une raison explicite :

  • document illisible ou incomplet ;
  • type de document non reconnu ;
  • client introuvable ;
  • référence non rapprochée ;
  • quantité ou unité incohérente ;
  • prix différent du tarif ;
  • stock insuffisant ;
  • condition commerciale inhabituelle ;
  • doublon possible ;
  • erreur de connexion avec l’ERP.

L’écran de revue doit afficher le document original, la valeur extraite, la valeur attendue dans le référentiel et l’action proposée. Le collaborateur doit pouvoir corriger uniquement le champ concerné, puis relancer le contrôle. Une correction ne devrait pas obliger à ressaisir toute la commande.

Il faut également conserver la trace de la décision : valeur initiale, correction, personne ayant validé, date de validation et résultat envoyé à l’ERP.

Comment intégrer la saisie des commandes à l’ERP ?

La connexion à l’ERP doit intervenir après la définition des règles métier. Il faut documenter le format attendu, les champs obligatoires, les statuts disponibles et les erreurs retournées par l’interface.

Plusieurs modes sont possibles :

  • API officielle de l’ERP ;
  • import contrôlé dans un format structuré ;
  • connecteur fourni par l’éditeur ;
  • dépôt de fichier dans un répertoire surveillé ;
  • automatisation de l’interface lorsque les autres options ne sont pas accessibles.

L’intégration doit prévoir une gestion des doublons, un identifiant de corrélation entre l’e-mail et la commande, ainsi qu’un mécanisme de reprise en cas d’indisponibilité. Un statut de brouillon ou de commande à valider peut être adapté lorsque les contrôles métier ne sont pas entièrement automatisables.

Pour cadrer ce type de projet, la méthode d’audit des processus et des cas d’usage IA aide à distinguer les tâches répétitives, les contrôles automatisables et les décisions qui doivent rester humaines. La méthode de développement logiciel sur mesure constitue un approfondissement distinct pour la conception de l’intégration et de l’écran de revue.

Quels indicateurs suivre après le déploiement ?

Le nombre de commandes traitées automatiquement ne suffit pas. Une commande simplement extraite, puis corrigée sur le prix, la référence ou une donnée déterminante, ne doit pas être comptée comme une réussite complète.

Nous recommandons de calculer la part des commandes réellement automatisées ainsi :

Part des commandes réellement automatisées = commandes créées dans l’ERP sans correction humaine sur les champs critiques et sans exception métier / commandes reçues et éligibles au traitement automatique.

Les champs critiques doivent être définis à l’avance. Ils comprennent généralement le client, la référence article, la quantité, le prix, la date de livraison et les conditions ayant un impact commercial. Une correction de mise en forme sans conséquence métier peut être suivie séparément et ne pas faire perdre le statut de traitement automatique.

Suivez notamment :

  • le volume de commandes reçues par canal et par format ;
  • la proportion de documents classés correctement ;
  • la proportion de lignes rapprochées sans correction ;
  • la part des commandes envoyées en revue humaine ;
  • les principales causes d’exception ;
  • le délai entre réception et création dans l’ERP ;
  • le nombre de doublons détectés ;
  • les corrections de prix, de quantité ou de référence ;
  • les commandes bloquées par une erreur d’intégration ;
  • le temps consacré à la revue et à la correction.

Il est utile de séparer les erreurs de lecture des erreurs de référentiel. Une référence absente du catalogue ne signifie pas nécessairement que l’IA a mal lu le document. De même, un prix différent peut révéler une règle tarifaire incomplète plutôt qu’un défaut d’extraction.

Pour approfondir la construction d’un indicateur économique, consultez la méthode pour mesurer le ROI d’un projet IA en PME. Le calcul doit intégrer le temps de revue, les corrections, les incidents et la maintenance des règles.

Exemple de calcul (hypothèses) : si une équipe traite 120 commandes par mois, consacre en moyenne 8 minutes de ressaisie à chaque commande et automatise correctement 75 % des commandes, le temps théorique évité est : 120 × 8 × 75 % = 720 minutes par mois. Ce calcul illustre une méthode ; il ne constitue pas une performance attendue.

Quel plan de déploiement retenir ?

Nous recommandons un déploiement progressif :

  1. Cartographier le flux réel, depuis l’e-mail jusqu’à la commande validée.
  2. Rassembler des exemples représentatifs de bons de commande, y compris les formats difficiles.
  3. Définir le dictionnaire de données, les règles de rapprochement et les motifs de blocage.
  4. Tester l’extraction sans écriture dans l’ERP.
  5. Comparer les résultats avec les commandes réellement saisies.
  6. Activer une création en brouillon avec revue humaine.
  7. Étendre l’automatisation aux cas répondant au critère de confiance, de rapprochement et d’absence d’écart.
  8. Revoir les erreurs et les changements de documents ou de tarifs.

France Num recommande de traiter le déploiement de l’IA comme un projet de transformation intégrant l’organisation, les aspects humains et l’accompagnement du changement. L’ADV doit donc participer à la conception des écrans de contrôle, des règles d’escalade et des responsabilités.

Les tâches répétitives, structurées et fondées sur des informations déjà disponibles sont de bons candidats à l’automatisation selon France Num. À l’inverse, une commande exceptionnelle, une négociation non documentée ou une référence nouvelle doit rester dans un circuit contrôlé.

Limites et points de vigilance

L’IA ne compense pas un référentiel article incomplet, des tarifs contradictoires ou des règles commerciales non documentées. Avant de chercher un modèle plus sophistiqué, il faut nettoyer les données et décider quelle source fait foi.

Les performances annoncées par un éditeur ou observées dans un cas client ne sont pas des résultats moyens applicables à toutes les PME. Les documents reçus, la qualité des scans, le vocabulaire client et la structure de l’ERP changent fortement le résultat.

Lorsque des e-mails, bons de commande ou fiches clients contiennent des données personnelles, la CNIL rappelle qu’un prestataire qui les traite pour le compte de l’entreprise relève du régime du sous-traitant. Le traitement doit être encadré par un contrat. Il faut aussi vérifier les durées de conservation, les mesures de sécurité, les droits d’accès et les éventuels transferts hors de l’Union européenne.

Enfin, la facturation électronique et les standards qui lui sont associés ne doivent pas être confondus avec l’automatisation des bons de commande. Ils peuvent inspirer la structuration des données, mais ils ne remplacent pas la définition des règles propres à l’ADV.

Questions fréquentes

L’IA peut-elle saisir directement une commande dans l’ERP ?

Oui, si l’ERP dispose d’une interface exploitable et si les règles de contrôle sont définies. Nous recommandons de commencer par une création en brouillon ou une validation humaine, puis d’autoriser la création automatique pour les cas présentant peu de risques.

Faut-il disposer de bons de commande parfaitement standardisés ?

Non. La classification et les modèles d’extraction peuvent gérer des formats hétérogènes. En revanche, la qualité des documents et la diversité des exemples influencent les résultats, et les champs ambigus doivent rester soumis à revue.

L’OCR suffit-il pour automatiser le traitement des commandes ?

Non. L’extraction identifie des textes et des tableaux, mais ne sait pas à elle seule si une référence existe, si un prix est autorisé ou si le stock permet la livraison. Il faut ajouter les contrôles sur les référentiels clients, articles, tarifs, stocks et conditions commerciales.

Comment traiter une version corrigée ou un doublon ?

Il faut rapprocher le document avec le numéro de commande, puis contrôler l’identifiant client, la date, le montant et les références des lignes. Une version corrigée doit être conservée comme une nouvelle version, avec les différences identifiées et une validation avant transmission à l’ERP.

Comment éviter que les exceptions annulent le gain recherché ?

Il faut afficher une raison d’exception claire et permettre une correction ciblée, sans ressaisie complète. Le suivi des causes montre ensuite quelles règles, références ou formats méritent d’être améliorés en priorité.

Sources