Ce que LedgerLens est pour

Qu'est-ce que LedgerLens ?

J'ai créé LedgerLens après avoir passé des semaines à copier manuellement des numéros de relevés bancaires PDF dans des tableurs. L'outil prend un fichier que vous téléversez - PDF, DOCX, JPEG, PNG - et exécute un modèle de langage qui a été affiné pour localiser des tableaux, des numéros, des dates et des étiquettes de texte. Le modèle renvoie des structures similaires à JSON que nous convertissons en une grille simple que vous pouvez voir dans le navigateur. Chaque cellule inclut un score de confiance qui provient directement de la probabilité interne du modèle pour ce jeton. Je voulais un système qui ne prétende jamais être parfait, donc l'interface vous oblige à regarder le score avant d'accepter toute valeur.

Lorsque vous ouvrez l'application pour la première fois, vous voyez une zone de dépôt. Déposez un relevé ou une facture ici et l'interface affiche un indicateur de chargement pendant que le modèle fonctionne. Le backend exécute le modèle sur une instance sans GPU ; aucun GPU n'est requis pour la démo. Si vous avez fourni une clé API, la demande est envoyée au modèle hébergé ; sinon, le mode démo utilise un petit modèle open-source qui s'exécute localement et renvoie des résultats de placeholder clairement marqués. Le mode démo est utile pour vérifier la disposition et l'affichage du score de confiance sans dépenser de crédits.

Comment fonctionne le processus d'extraction

Étape un : ingestion de fichiers. Le service lit le flux téléchargé et convertit les pages PDF en images à l'aide d'une bibliothèque JavaScript pure ; DOCX est converti en XML puis aplati en texte ; les images sont transmises inchangées. Cela permet de garder le fichier d'origine privé - rien n'est écrit sur le disque au-delà d'un tampon temporaire qui est effacé après la réponse.

Étape deux : détection de disposition. Un modèle de disposition léger identifie les régions qui ressemblent à des tableaux, des en-têtes ou des pieds de page. Il renvoie des boîtes de délimitation et un libellé de type (tableau, paragraphe, en-tête). Nous ne conservons que les régions marquées comme tableau car les relevés bancaires et les factures sont principalement tabulaires.

Étape trois : OCR au niveau de la cellule. Pour chaque région de tableau, nous exécutons l'OCR (Tesseract 5) pour obtenir le texte brut par cellule. La sortie OCR est alimentée avec la coupe d'image au modèle de langage. Le modèle reçoit une invite qui lui demande d'extraire : date, description, débit, crédit, solde, taxe, TVA et tout numéro de référence. L'invite demande également au modèle de sortir une valeur de confiance comprise entre 0 et 1 pour chaque champ.

Étape quatre : post-traitement. Nous alignons la sortie du modèle avec la grille OCR, remplissons les cellules manquantes avec le texte OCR et recalculons les soldes courants lorsque cela est possible. Si la somme des débits moins les crédits ne correspond pas au solde de clôture dans une tolérance de 0,01, nous signalons la ligne pour examen manuel. Tous ces calculs se déroulent dans le navigateur, vous pouvez donc voir la logique instantanément.

Étape cinq : affichage de la confiance. Chaque cellule affiche la valeur brute et un petit badge qui indique « confiance : 0,87 ». La couleur du badge passe du vert (≥0,9) au jaune (0,7-0,89) au rouge (<0,7). Ce repère visuel est le moyen principal pour décider si vous devez faire confiance à un nombre ou ouvrir le PDF d'origine pour vérifier.

Formats de sortie et notation de confiance

LedgerLens vous offre trois façons de sortir les données de l'application :

- Tableau intégré - vous pouvez copier-coller des lignes directement de la vue. - Téléchargement CSV - le fichier est généré côté client ; nous échappons tout champ qui commence par « = », « + », « - » ou « @ » pour prévenir l'injection de formules. - Téléchargement Excel (XLSX) - nous utilisons la bibliothèque SheetJS pour créer un classeur ; les mêmes garanties de sécurité contre les injections de formules s'appliquent.

Chaque colonne du fichier exporté inclut une colonne supplémentaire nommée « confidence_ ». Par exemple, une exportation de relevé bancaire aura des colonnes : date, description, débit, crédit, solde, confidence_date, confidence_description, confidence_débit, confidence_crédit, confidence_solde. Les valeurs de confiance sont les mêmes chiffres que vous avez vus dans l'interface utilisateur, arrondis à deux décimales.

Ci-dessous se trouve un tableau qui montre une distribution de confiance typique pour un échantillon de 200 relevés bancaires réels que nous avons traités lors de tests internes. Les chiffres sont illustratifs uniquement ; ils ne constituent pas de garanties de performances futures.

Plage de score | % de champs | Cas d'utilisation typique 0,90 – 1,00 | 42% | Dates, montants, descriptions d'impression claire 0,80 – 0,89 | 31% | Notes manuscrites, impressions légèrement floues 0,70 – 0,79 | 15% | Scans à basse résolution, coins pliés

Lorsque vous voyez un champ dans la zone rouge, vous pouvez cliquer sur le badge pour ouvrir une vue côte à côte de la coupe d'image d'origine et du texte OCR. Cela rend l'étape de vérification rapide car vous n'avez pas à quitter l'application pour rechercher la source.

Considérations de sécurité et de confidentialité

Je traite les données que vous téléchargez comme confidentielles. Le service ne stocke pas vos fichiers après l'envoi de la réponse ; le tampon temporaire vit en mémoire et est effacé dans les secondes. Si vous activez le mode démo, le modèle s'exécute entièrement dans le navigateur, donc aucune donnée ne quitte votre machine.

Pour les exécutions en direct qui appellent un modèle externe, nous ne transmettons que le texte extrait et les crops d'images ; nous n'envoyons pas le nom de votre fichier d'origine ou les métadonnées que vous n'avez pas choisi de partager. La connexion utilise TLS 1.2 ou supérieur.

Pour maintenir la sécurité du composant IA, nous suivons les conseils de deux cadres publics. Tout d'abord, nous consultons le OWASP Top 10 pour les applications de grands modèles de langage (https://owasp.org/www-project-top-10-for-large-language-model-applications) pour vérifier les injections de invites, les fuites de données et la gestion des sorties de modèle. Deuxièmement, nous alignons nos pratiques de gestion des risques avec le cadre de gestion des risques LI de la NIST (https://www.nist.gov/itl/ai-risk-management-framework). Ces documents nous aident à décider quelles journaux nous conservons, comment nous sanitisons les invites et où nous plaçons les avertissements de scores de confiance.

Nous ne revendiquons aucune certification (SOC 2, ISO 27001, etc.) à moins qu'elles n'aient été formellement auditées et publiées.

Flux de travail de soutien à la décision : vérifiez avant d'agir

Lorsque vous recevez un relevé bancaire ou une facture, la première chose que vous devez faire est de regarder les badges de confiance. Tout champ en dessous de 0,8 mérite un coup d'œil rapide à la source. Voici la routine que je suis :

- Téléchargez le fichier et attendez que la grille de résultats apparaisse. - Triez le tableau par la colonne de confiance (cliquez sur l'en-tête) pour amener les scores les plus bas en haut. - Pour chaque ligne à faible confiance, cliquez sur le badge pour ouvrir le volet de vérification. - Dans le volet, vous voyez la culture d'image d'origine, la ligne de texte OCR et la valeur suggérée par le modèle. Acceptez la suggestion si elle correspond ; sinon, tapez la valeur correcte et appuyez sur Entrée – la grille est mise à jour instantanément et le badge de confiance est recalculé à 1,0 pour votre édition. - Après avoir examiné toutes les lignes en dessous de 0,8, effectuez un contrôle de cohérence rapide : la somme des débits moins les crédits doit être égale au changement des soldes d'ouverture et de clôture. Si les chiffres ne correspondent pas, réexaminez les lignes qui ont contribué à la discrepancy. - Lorsque vous êtes satisfait, exportez vers CSV ou XLSX et chargez le fichier dans votre système comptable. Conservez le PDF d'origine dans vos archives à des fins d'audit.

Ce flux de travail prend environ deux minutes pour un relevé bancaire typique d'une page et moins de cinq minutes pour un bundle de factures multi-pages. L'objectif est de vous donner un brouillon rapide que vous pouvez vérifier sur place, sans remplacer votre jugement.

Ce que cela n'est pas

Je veux être clair sur les limites de LedgerLens pour que vous ne comptiez pas sur lui pour des choses qu'il ne peut pas faire.

- Ce n'est pas une garantie de correction. Même un champ avec un score de confiance de 0,99 peut être incorrect si le document source contient un symbole rare ou une mise en page que le modèle n'a jamais vue. - Il ne fournit pas une précision de 100 %. Aucun modèle d'IA aujourd'hui n'atteint une extraction parfaite sur des documents financiers hétérogènes. - Il ne remplacera jamais un comptable ou un auditeur qualifié. Utilisez-le comme une checklist, et non comme une autorité finale. - Il ne comprend pas l'authentification unique (SSO), les notifications Slack ou le traitement CSV bulk, à moins que ces fonctionnalités n'aient été expédiées dans cette version spécifique. La page du produit répertorie exactement ce qui est disponible. - Il ne constitue pas un substitut à la lecture du PDF ou de l'image original. Conservez toujours le fichier source pour référence. - Il n'offre pas une collaboration en temps réel ou un contrôle de version. Si vous en avez besoin, exportez les données et utilisez vos outils existants. - Il ne promet pas d'amélioration de vitesse particulière. Le temps de traitement dépend de la taille du fichier, de la qualité de l'image et de savoir si vous utilisez le mode démo ou une clé live.

Si l'un de ces points change dans une version future, je mettrai à jour la documentation et la page du produit en conséquence.

Références

Questions fréquentes

Qu'est-ce que LedgerLens?

Extraits de relevés bancaires et de factures par IA — vérifiez avant utilisation.

Qui devrait utiliser LedgerLens?

Les opérateurs et les concepteurs qui ont besoin d'un premier projet rapide ou d'une liste de contrôle à partir de LedgerLens.

Fonctionne-t-il sans clé API?

Oui en mode démo explicite. L'IA en direct nécessite une clé configurée.

Garantit-il les résultats?

Non. Les sorties sont des outils de soutien à la décision ; vous devez toujours les examiner avant de publier ou d'agir.

Inclut-il l'authentification unique, Slack ou le CSV bulk?

Seulement si ces fonctionnalités sont implémentées dans cette version du produit — ne les supposez pas à partir du texte marketing.

Où vont les données?

Les exécutions peuvent être stockées localement sous la limite.data/ du produit ; traitez les démos comme éphémères. Les utilisateurs doivent également être conscients des fonctionnalités de ainsi que des exigences de l'.

Références

- schema.org — FAQPage - Google Search Central — Données structurées

Essayez LedgerLens

Lectures connexes

- Comment utiliser LedgerLens — LedgerLens - La matrice de sujets de micro-SaaS LX AI