OCR, RPA, NLP et IDP : une solution IA sécurisée pour l’analyse documentaire

Comment accélérer et fiabiliser l’analyse de cahiers des charges grâce à l’IA, au NLP, OCR et à l’IDP, tout en garantissant la confidentialité des données ?

C’est la question que s’est posé le CEA, acteur majeur de l’innovation dans l’énergie nucléaire et le photovoltaïque. Face à un volume croissant de cahiers des charges à analyser, l’enjeu était double : gagner en rapidité grâce à l’automatisation (RPA, OCR, NLP, IDP) et assurer un traitement sécurisé des données sensibles.

Le CEA a fait appel à ETIC INSA Technologies pour développer une solution d’intelligence artificielle (IA) capable de combiner pré-traitement documentaire avancé, automatisation intelligente et analyse sémantique afin d’extraire rapidement et de manière fiable les exigences clés.

‍

Contexte : l’IA au service de l’analyse documentaire

Les équipes achats et politiques industrielles du CEA doivent traiter régulièrement des cahiers des charges volumineux, parfois de plusieurs centaines de pages. L’identification manuelle des exigences est chronophage et sujette à des erreurs humaines.

Les objectifs fixés étaient clairs :

• Automatiser le traitement via des outils d’OCR et de RPA pour gérer les fichiers PDF/Word complexes.
• Exploiter le NLP (Natural Language Processing) pour comprendre et extraire les exigences clés.
• Déployer une logique IDP (Intelligent Document Processing) intégrée à l’infrastructure existante.
• Garantir une IA locale et sécurisée, sans transfert de données vers le cloud.

‍

Déroulé de l’étude : un pipeline IA complet

Phase 1 – Exploration & cadrage technique

Un premier travail d’exploration a permis de cadrer la mission :

• Étude des cahiers des charges et matrices d’exigences.
• Compréhension de la logique métier et des besoins utilisateurs.
• Prise en main de l’environnement HolIAGen/Open WebUI et installation locale de LangFlow.
• Tests de compatibilité avec des modèles LLMs légers (Ollama, GPTQ).
• Cadrage du projet avec définition du format cible des exigences.

‍

Phase 2 – Développement du pipeline IA & IDP

La deuxième phase s’est ensuite concentrée sur la création d’une chaîne de traitement modulaire articulée autour de plusieurs briques technologiques :

• OCR avancé pour nettoyer et normaliser les documents (Word, PDF, scans, tableaux, annexes).
• Ciblage par règle heuristique puis NLP et IA générative pour identifier les exigences via des prompts dynamiques.
• Scoring de confiance des extractions par pondération des segments textuels.
• Exports automatisés multiformats (Excel, JSON) avec traçabilité (pagination, chapitres).

Cette approche d’IDP (Intelligent Document Processing) a permis de transformer des documents hétérogènes en données structurées et exploitables.

‍

Phase 3 – Intégration dans LangFlow avec RPA locale

La solution a été intégrée dans LangFlow via un flow personnalisé :

• Nœud de chargement documentaire (OCR + validation des formats).
• Nœud de traitement IA/NLP orchestré par le LLM sélectionné.
• Nœud de post-traitement IDP pour uniformiser et enrichir les résultats.
• Nœud d’export final automatisé (RPA) vers XLSX et JSON avec horodatage.

Des tests en environnement restreint ont validé la compatibilité HolIAGen et Open WebUI et la conformité aux politiques de sécurité.

‍

Phase 4 – Tests, correctifs & documentation

Enfin, la solution a été testée sur des cas concrets avec le client :

• Ajustements techniques après retours utilisateurs.
• Rédaction de guides (installation, déploiement, bonnes pratiques).
• Livraison d’un fichier .flow.json prêt à l’usage en no-code.

‍

Une démarche RSE et souveraine

Le projet a été conçu avec une attention particulière aux enjeux environnementaux et de souveraineté numérique :

• IA locale : aucun transfert de données vers des serveurs distants garantissant la confidentialité et limitant l’empreinte carbone liée au cloud.
• Utilisation de modèles légers (LLMs optimisés) pour limiter l’empreinte énergétique.
• Intégration dans l’infrastructure existante (HolIAGen / Open WebUI) pour éviter la duplication technique.
• Génération de fichiers légers (JSON, XLSX) et documentation réutilisable.

‍

Résultats : quand l’IA, le NLP et l’IDP se mettent au service de la performance

Le CEA dispose désormais d’une solution complète d’analyse documentaire basée sur l’intelligence artificielle :

• Gain de temps considérable dans l’analyse des cahiers des charges.
• Réduction du risque d’erreur humaine grâce au NLP et au scoring de confiance.
• Sécurité et souveraineté numérique avec un traitement 100 % local.
• Démarche RSE en optimisant l’impact énergétique et en favorisant la pérennité.

Une mission où l’IA se met au service de l’efficacité opérationnelle, de la sécurité et de la responsabilité environnementale.

‍

Vous souhaitez exploiter l’IA pour accélérer vos processus ?

Contactez ETIC INSA Technologies !

De l’OCR au RPA, du NLP à l’IDP, nos consultants conçoivent des solutions sur mesure d’intelligence artificielle pour fiabiliser vos processus, réduire vos coûts et garantir la confidentialité de vos données.

‍

Retour intervenant

La mission m’a beaucoup apporté, autant sur le plan technique que méthodologique. J’ai pu concevoir et mettre en place une pipeline complète d’extraction d’exigences à partir de documents contractuels, en exploitant LangFlow et des modèles LLM (Mistral, Claude). Cela m’a permis de renforcer mes compétences en traitement automatique de documents complexes (PDF/DOCX), en structuration de données (JSON/Excel), ainsi qu’en orchestration de workflows hybrides mêlant règles heuristiques et IA.

Sami Taider, étudiant en informatique à l’INSA Lyon