Dématérialisation
PDF est un format pratique parce que c'est à la fois un standard de l'édition, et qu'il est aussi interprété par les principaux navigateurs (Firefox, Explorer, Chrome, etc...). docx est devenu le format de base de Word, et, en interne, il utilise un format XML.
HTML est aussi intéressant si l'on souhaite placer les documents sur des sites Internet. La différence avec PDF étant que le texte contenu dans le document est accessible par les moteurs de recherche.
B) Principes de la dématérialisation :
La dématérialisation d'un document consiste dans un premier temps à en faire une image numérique, en général à l'aide d'un scanner ou d'un appareil photo.
Dans un deuxième temps, l'image est analysée par un logiciel d'OCR (Optical Character Recognition).
Cette analyse consiste à détecter les champs d'intérêt dans le document, en fonction de leur nature (texte, image, etc...)
Le texte est ensuite reconnu, ce qui permet d'obtenir un fichier (pdf, doc, docx, etc...)
représentant le document, utilisable par un logiciel d'édition de texte (Acrobat, Word, etc...)
A cette étape, il est possible :
- D'effectuer des recherches d'informations dans les documents (par exemple, à l'aide de mots-clé)
- De placer les documents sur un site Internet (Extranet), de façon à permettre à la communauté des utilisateurs (par exemple, les membres d'une copropriété), de visualiser ou de télécharger ces documents.
Dans certains cas, il devient nécessaire d'utiliser ou d'analyser le contenu des documents.
Par exemple, dans le cas des copropriétés, certains modules (comptabilité, gestion des AGs) utilisent certaines informations, comme les tantièmes généraux ou spéciaux.
Les valeurs de ces tantièmes sont présents dans le règlement de copropriété. On peut donc envisager d'utiliser ce document pour mettre à jour
la base de données associée à la copropriété.
L'opérateur d'extraction d'informations est ainsi chargé d'analyser les documents pour mettre à jour les bases de données de l'Extranet.
On peut aussi souhaiter rendre accessibles les documents en différents
endroits du menu de l'Extranet, en fonction de leur nature (Plans, PV d'AG, règlement de copropriété, etc...).
L'opérateur de classification sémantique est ainsi chargé d'analyser la nature du document, de façon à le rendre accessible à l'endroit correspondant du menu de l'interface de l'Extranet.
Pour résumer, la dématérialisation complète consiste en 4 étapes :
- Scannage ou photographie du document
- Analyse de l'image et reconnaissance du texte (OCR)
- Classification sémantique
- Extraction d'information.
schema