L'IA multimodale est une catégorie de modèle d'intelligence artificielle qui traite plusieurs types d'entrée à la fois, texte, image, tableau et données structurées, dans une seule passe de raisonnement. En finance, cela compte parce que la matière première du métier est rarement du texte propre : elle arrive en PDF scannés, en photos de bons de livraison prises au téléphone, en pièces jointes tableur et en corps de mail qui renvoient aux trois.
La reconnaissance optique de caractères classique fonctionne par étapes. Elle convertit des pixels en caractères, puis une seconde couche tente de deviner la structure à partir de la position des caractères. La mise en page est déduite, jamais lue. Ce pipeline casse précisément sur les documents que la comptabilité reçoit le plus : une facture fournisseur avec un tableau de lignes sur deux pages, un bon de livraison photographié de travers dans un entrepôt, une annotation manuscrite en marge, un tampon qui chevauche un total.
Un modèle multimodal lit la page comme une page. Il voit la mise en page et le texte simultanément : il comprend donc qu'un montant appartient à une colonne à cause de sa position, qu'un tableau se poursuit page suivante, et qu'une ligne manuscrite est une annotation et non une ligne de facture. Le gain n'est pas la vitesse. C'est le nombre de documents qui passent sans qu'un humain y touche.
C'est ce qui se trouve sous les capacités de traitement intelligent des documents et d'analyse de documents de Phacet, y compris sur le traitement des factures papier et photos. Les champs extraits atterrissent dans une Table à colonnes IA configurables, chaque sortie portant un score de confiance et un lien vers la zone exacte du document source. L'agent boîte mail comptable l'applique à tout ce qui arrive par email, quel que soit le format.
La lecture multimodale est l'étape de structuration. C'est elle qui rend la couche données et documents assez fiable pour qu'il vaille la peine de poser du contrôle par-dessus. Sans donnée fiabilisée en amont, le contrôle qui suit n'a pas de valeur.
