Comment nous avons mis l'IA au travail en comptabilité et ce qui en est ressorti
OpenAI
Alexandra Tsareva d'Infosystems Jet décrit la construction d'un pipeline local de LLM et d'OCR pour extraire des données structurées de factures de paiement russes vers 1C. La solution gère une variété désordonnée de formats de documents, applique des règles de validation et fonctionne en production depuis six mois avec une précision de 100 % sur un ensemble de test.
Le projet a démarré lorsque les comptables ont demandé à l'équipe ML d'apprendre à l'IA à lire les factures, qui arrivaient dans des formats chaotiques : anciens fichiers Excel, documents avec polices CID, tableaux Word, PDF multipages, et même des photos. L'équipe a choisi un LLM sur site pour garder les données commercialement sensibles à l'intérieur de l'entreprise et a utilisé l'OCR (PaddleOCR) pour les scans et les images. Une étape de prétraitement convertit toutes les entrées en Markdown, en préservant la structure, puis le LLM extrait les champs dans un contrat JSON qui s'intègre avec 1C. Des validations strictes suivent : des vérifications formelles pour les types et longueurs de champs, ainsi que des règles spécifiques au sujet pour les détails bancaires russes comme le BIK, le compte correspondant, le KPP et les sommes de contrôle INN. L'équipe a initialement utilisé qwen3-thinking-30b-a3b mais est passée à openai/gpt-oss-120b pour la production, rencontrant un bug où le modèle traitait les numéros de compte comme des nombres et supprimait les zéros de tête. Le pipeline a atteint une précision de 100 % sur l'ensemble de test, et après six mois en production, il a réduit le travail manuel et accéléré le traitement des factures, avec des plans pour gérer davantage de types de documents.
Source: Habr — хаб ИИ —
original