Le rapprochement sémantique IA est une technique de réconciliation qui utilise des embeddings vectoriels et une indexation profonde pour apparier des enregistrements financiers, factures avec bons de commande, paiements avec factures, noms fournisseurs avec données de référentiel, sur la base du sens plutôt que de l'identité exacte de chaîne. Il identifie les bons appariements même quand les références diffèrent, que les descriptions sont formulées différemment, ou que les noms de fournisseurs apparaissent sous plusieurs formats entre systèmes.
La réconciliation traditionnelle repose sur la logique d'exact-match : la référence facture X doit égaler le numéro de bon de commande X. Cela fonctionne pour une saisie de données propre et contrôlée, ce qui est l'exception, pas la règle. En pratique, un fournisseur facture "DELTA FRESH" tandis que l'ERP enregistre "Delta Fresh SAS". Un mémo de paiement référence un numéro de contrat ; la facture référence un bon de livraison. Un montant est enregistré en HT tandis que le paiement est en TTC. Le matching basé sur des règles échoue sur ces trois cas.
Le rapprochement sémantique résout cela en encodant le sens, pas les chaînes. Chaque enregistrement est converti en un vecteur haute dimension qui capture son contenu sémantique. L'appariement se fait dans l'espace vectoriel, trouvant la contrepartie la plus proche en sens entre les documents, indépendamment des incohérences de formatage ou de vocabulaire. L'IA expose son raisonnement à chaque étape : pourquoi elle a apparié ces deux enregistrements, quelle preuve elle a utilisée, et le score de confiance qu'elle attribue à la paire.
Le moteur AI Match de Phacet est son implémentation centrale du rapprochement sémantique. Il propulse le matching 3 points, le rapprochement bancaire, le lettrage comptable et le rapprochement intercompagnies, tout workflow où deux sources de données doivent être appariées malgré des incohérences de surface. Chaque match est explicable : le DAF voit le raisonnement, pas juste le résultat.
