OCR contractuel

Définition

L’OCR contractuel (reconnaissance optique de caractères appliquée aux contrats) est la technologie qui convertit des contrats numérisés (scans, photos, PDF image) en texte exploitable par des traitements informatiques : recherche, indexation, extraction de données. C’est le préalable technique à toute valorisation d’un stock de contrats papier ou scannés.

Enjeux et pratique

L’OCR traite un problème dont l’ampleur surprend toujours les projets de reprise de stock : une part importante du patrimoine contractuel des entreprises n’existe qu’en image. Contrats signés papier puis scannés, fax archivés, documents paraphés photographiés : autant de fichiers dans lesquels aucune recherche ne fonctionne, puisque pour la machine ils ne contiennent pas de texte, seulement des pixels.

Sa place dans la chaîne mérite d’être précisée : l’OCR rend le texte lisible, il ne le comprend pas. La chaîne complète va de la numérisation à l’OCR (production du texte brut), puis à l’extraction (identification des données : parties, dates, montants, clauses), aujourd’hui largement assurée par des modèles de langage qui travaillent sur le texte issu de l’OCR. La qualité de l’amont conditionne tout l’aval : un OCR défaillant sur un scan médiocre produit un texte corrompu, dont l’extraction héritera les erreurs, parfois silencieusement (un montant mal reconnu reste un montant plausible).

Les limites pratiques sont connues et gérables. La qualité source : scans anciens, tampons, annotations manuscrites, paraphes en marge dégradent la reconnaissance ; les mentions manuscrites ajoutées en négociation, juridiquement cruciales, sont précisément les plus difficiles à reconnaître. La structure : tableaux de prix, annexes complexes et renvois exigent des OCR capables de préserver la mise en page, faute de quoi les grilles tarifaires deviennent illisibles. Le contrôle : un dispositif sérieux mesure son taux de confiance page par page et route les documents douteux vers une vérification humaine, plutôt que de verser un texte incertain dans le référentiel. Pour les stocks anciens, l’arbitrage entre tout océriser et prioriser (contrats actifs et clauses sensibles d’abord) est une décision de projet, pas de technologie.

Exemple concret

Lors de la constitution de sa contrathèque, une ETI reprend un stock de 2 400 contrats dont 60 % en scans. L’OCR de masse classe les documents par score de confiance : 78 % passent en traitement automatique, le reste part en vérification humaine ciblée. La numérisation révèle au passage 90 documents illisibles ou incomplets, dont 12 contrats actifs dont la version signée complète est introuvable : une information de risque que personne n’avait, et qui déclenche une campagne de régularisation.

Question fréquente

L’OCR suffit-il pour exploiter un stock de contrats scannés ?

Non : l’OCR produit du texte, pas des données. Il faut ensuite l’extraction (dates, montants, clauses) puis le versement dans un référentiel structuré. Mais sans OCR de qualité, rien de ce qui suit ne fonctionne : c’est la fondation, invisible quand elle est bonne, ruineuse quand elle est mauvaise.