Transformer des documents dispersés en outil de gestion de parc

L’objectif n’était pas de remplacer le responsable de parc, les équipes administratives ou les conducteurs. Il était de leur éviter les ressaisies, les recherches répétitives et les rapprochements fastidieux afin qu’ils puissent consacrer plus de temps au contrôle, à l’anticipation et aux décisions.

Chez l’entreprise, les informations relatives au parc automobile existaient déjà. Elles étaient simplement réparties entre plusieurs fichiers Excel, des cartes grises numérisées, des factures d’entretien, des relevés kilométriques et des factures de carburant.

Le projet a consisté à transformer cet ensemble documentaire en une application web métier : un point d’accès unique pour suivre les véhicules, leurs documents, les interventions, les échéances, les cartes carburant, les kilométrages et les consommations.

L’intelligence artificielle a accéléré l’analyse et la structuration des données. Les équipes restent responsables de leur validation et de leur utilisation.

Le point de départ : beaucoup d’informations, mais peu de temps pour les rapprocher

Le suivi d’un parc ne se limite pas à une liste de véhicules. Une fiche réellement utile doit réunir :

• le numéro de parc et l’immatriculation ;
• la marque, le modèle et l’année de mise en circulation ;
• les données de la carte grise ;
• les entretiens, réparations et contrôles techniques ;
• les échéances à venir en date ou en kilométrage ;
• les cartes et dépenses de carburant ;
• les relevés kilométriques ;
• les photographies, factures, certificats et autres justificatifs.

Lorsque ces informations sont dispersées, une demande simple peut nécessiter l’ouverture de plusieurs dossiers : retrouver la dernière intervention, vérifier une échéance, comprendre une consommation inhabituelle ou identifier la facture associée à une opération carburant.

Le coût principal n’est pas seulement logiciel. C’est le temps humain consacré à chercher, recopier, nommer, classer, comparer et vérifier.

Un périmètre concret

La première version de l’application a consolidé :

Ces chiffres illustrent l’intérêt de l’assistance par IA : le travail ne porte plus seulement sur quelques fiches, mais sur des centaines de lignes et de pièces qui doivent être rapprochées de manière cohérente.

Ce que l’IA a permis d’accélérer

L’IA a été utilisée comme un outil de préparation, de rapprochement et de contrôle.

1. Lire des sources hétérogènes

Les informations provenaient de tableurs, de PDF, d’images et de factures présentant des structures différentes. L’IA a aidé à repérer les champs utiles, à homogénéiser les formats et à préparer des données exploitables par l’application.

2. Rapprocher les documents des bons véhicules

Les véhicules pouvaient être identifiés par leur numéro de parc, leur immatriculation, leur VIN ou les références présentes dans les factures. Le rapprochement assisté évite une grande partie de la recherche manuelle, tout en conservant les cas ambigus pour vérification.

3. Détecter les doublons et les incohérences

Les factures sont dédoublonnées par empreinte numérique. Les kilométrages incohérents, les opérations répétées et les volumes de carburant dépassant un seuil réaliste sont signalés au lieu d’être silencieusement corrigés.

4. Enrichir les fiches sans mélanger les niveaux de confiance

Les données lues sur les cartes grises sont séparées des informations indicatives issues de recherches constructeur. La source et la date de vérification peuvent être conservées. Une préconisation générique ne remplace donc jamais le carnet d’entretien ni une validation fondée sur le VIN.

5. Transformer l’analyse en application durable

Le résultat n’est pas un rapport figé. C’est une application responsive que les équipes peuvent continuer à alimenter : ajout de véhicules, interventions, rappels, documents, photos, cartes carburant et corrections.

L’humain reste dans la boucle

Le principe du projet peut se résumer ainsi : l’IA prépare et signale ; l’équipe vérifie et décide.

Cette répartition est importante. Une facture peut agréger plusieurs pleins, un kilométrage peut avoir été mal saisi et un véhicule peut disposer d’une option différente de la configuration standard. L’expérience des équipes reste indispensable pour interpréter ces cas.

Un exemple parlant : contrôler le carburant sans effacer la réalité

L’application compare chaque volume de carburant à un seuil composé de la capacité totale du réservoir — réserve comprise — et d’une marge technique configurable.

Lorsqu’un volume dépasse ce seuil :

• l’opération d’origine reste visible ;
• la facture et le montant ne sont pas modifiés ;
• une alerte attire l’attention de l’équipe ;
• pour le seul calcul de consommation, le volume peut être plafonné à la capacité du réservoir si le kilométrage est fiable.

Dans le jeu de données initial, une opération associée à un utilitaire indiquait 171,54 litres alors que son réservoir avait une capacité totale de 69 litres. L’application ne supprime pas cette ligne et ne prétend pas connaître seule son origine. Elle la signale, conserve le justificatif et utilise une valeur maîtrisée pour ne pas fausser la consommation moyenne.

Ce mécanisme illustre la philosophie générale : préserver la donnée source, rendre l’anomalie visible et aider l’humain à travailler avec une information plus fiable.

Où se trouve le gain de temps ?

Le gain ne vient pas d’une décision prise à la place d’un collaborateur. Il vient de la réduction des opérations à faible valeur ajoutée.

Pour le responsable de parc

• une fiche unique remplace la recherche dans plusieurs dossiers ;
• les prochaines échéances affichent directement le véhicule, son type, son immatriculation et son numéro de parc ;
• les consommations et les frais sont calculables sur une période donnée ;
• les anomalies sont regroupées pour permettre un contrôle ciblé.

Pour l’administration

• les documents sont rattachés aux bonnes fiches ;
• les factures déjà traitées sont reconnues ;
• les informations communes ne sont plus ressaisies dans plusieurs fichiers ;
• l’historique permet de comprendre quand et pourquoi une donnée a changé.

Pour la direction

• les coûts, kilométrages et consommations deviennent consultables dans un même outil ;
• les décisions reposent sur des données consolidées ;
• les exceptions sont visibles sans imposer la lecture de toutes les opérations.

Pour les équipes terrain

• les informations utiles sont accessibles depuis une interface responsive ;
• les documents restent disponibles dans le dossier du véhicule ;
• les remarques opérationnelles peuvent compléter les données administratives.

Le changement essentiel est donc le suivant : les équipes ne contrôlent plus systématiquement chaque ligne ; elles concentrent leur attention sur les exceptions et les décisions qui nécessitent leur expertise.

Une architecture volontairement simple et maîtrisable

L’application a été conçue avec une architecture légère afin de rester facile à exploiter et à sauvegarder.

Utilisateurs
    │
    ▼
Interface web responsive
    │
    ▼
Application Node.js / Express
    ├── Base SQLite
    ├── Documents et photographies
    ├── Moteur d’import et de validation
    ├── Calculs carburant et kilométriques
    └── API sécurisée /api/v1
            ▲
            │
     Assistant IA autorisé

Production : navigateur ──HTTPS── Nginx ──127.0.0.1:9001── application

Les principaux composants

Le choix de SQLite correspond au périmètre : un outil interne, une exploitation simple et des sauvegardes faciles. La base, les pièces jointes et le sas d’import sont sauvegardés ensemble.

Une API conçue pour collaborer avec l’IA en sécurité

L’application expose une API dédiée sous /api/v1. Elle ne donne pas à l’assistant un accès direct et illimité à la base de données.

Chaque client dispose d’un jeton révocable et de permissions limitées, par exemple :

• vehicles:read pour consulter le parc ;
• vehicle_specs:write pour proposer des caractéristiques techniques ;
• reminders:write pour gérer les échéances ;
• imports:read, imports:write et imports:commit pour le cycle documentaire.

Les jetons sont stockés sous forme d’empreinte SHA-256. En production, les échanges passent par HTTPS et peuvent être renforcés par une authentification mutuelle au niveau du proxy.

Un import en trois temps plutôt qu’une écriture aveugle

L’alimentation suit un processus contrôlé :

1. Dépôt — Le document est placé dans un sas, son format réel est vérifié et son empreinte est calculée.
2. Validation à blanc — L’IA transmet un plan décrivant les opérations proposées. L’application contrôle les véhicules, les valeurs, les doublons et les conflits sans modifier les données.
3. Application atomique — Le plan est appliqué dans une transaction. Si une opération échoue, aucune modification partielle n’est conservée.

Une clé d’idempotence permet de rejouer une demande sans créer de doublon. Chaque opération produit un journal avant/après avec son auteur, sa source et sa justification.

Exemple : actualiser un rappel d’entretien

{
  "version": 1,
  "summary": "Mise à jour d’une préconisation constructeur vérifiée.",
  "operations": [
    {
      "type": "reminder.upsert",
      "vehicle": { "park_number": "PARC-001" },
      "key": "timing_distribution",
      "values": {
        "title": "Remplacement de la courroie de distribution",
        "category": "Entretien",
        "due_date": "2027-08-15",
        "due_mileage": 180000,
        "notes": "Préconisation à confirmer avec le carnet du véhicule",
        "source_url": "https://constructeur.example/documentation",
        "verified_at": "2026-09-19",
        "justification": "Source constructeur vérifiée"
      }
    }
  ]
}

L’opération upsert est importante : elle crée le rappel s’il n’existe pas, le met à jour s’il existe et ne produit pas de doublon lors d’un nouvel envoi.

Les garde-fous intégrés

Le projet associe automatisation et contrôle :

• authentification distincte pour les utilisateurs et les clients API ;
• permissions minimales par jeton ;
• HTTPS obligatoire pour l’API en production ;
• validation du type réel des fichiers ;
• limite de taille des documents ;
• dédoublonnage par empreinte SHA-256 ;
• rapprochement fiable par numéro de parc, immatriculation ou VIN ;
• validation à blanc avant modification ;
• transactions atomiques ;
• clés d’idempotence ;
• historique avant/après ;
• archivage des rappels plutôt que suppression physique ;
• conservation des données brutes même lorsqu’elles sont exclues ou plafonnées dans un calcul.

Ces mécanismes rendent l’intervention de l’IA observable, réversible et compatible avec une validation humaine.

Les avantages obtenus

Un référentiel unique

Les données administratives, techniques, documentaires et financières sont rassemblées sans perdre leur provenance.

Moins de ressaisie

Une information extraite d’un document peut alimenter directement la bonne fiche après validation.

Un contrôle orienté vers les exceptions

Les équipes consacrent leur temps aux kilométrages incohérents, aux volumes inhabituels, aux échéances et aux documents ambigus plutôt qu’aux lignes normales.

Une meilleure continuité

La connaissance n’est plus limitée à la mémoire d’une personne ou à l’organisation d’un dossier local.

Une base évolutive

L’API permet d’ajouter progressivement de nouveaux documents, contrôles et automatismes sans reconstruire l’application.

Une technologie proportionnée au besoin

La solution reste légère, hébergeable sur l’infrastructure existante et exploitable sans multiplier les services externes.

Ce que ce projet enseigne sur l’IA en entreprise

Ce cas concret montre qu’un projet d’IA utile ne commence pas nécessairement par un modèle complexe. Il commence souvent par trois questions simples :

1. Où les équipes perdent-elles du temps aujourd’hui ?
2. Quelles tâches peuvent être préparées automatiquement sans abandonner le contrôle ?
3. Quels garde-fous permettent de vérifier, tracer et corriger le résultat ?

L’IA apporte le plus de valeur lorsqu’elle s’insère dans un processus métier clair. Ici, elle ne conduit pas les véhicules, ne commande pas les réparations et ne valide pas seule les obligations réglementaires. Elle transforme une masse documentaire en propositions structurées, détecte les situations à examiner et rend l’information plus rapidement accessible.

En conclusion

L’application de suivi du parc de l’entreprise illustre une approche pragmatique de l’intelligence artificielle : partir d’un irritant quotidien, automatiser ce qui est répétitif, sécuriser les échanges et préserver la décision humaine.

Le bénéfice n’est pas de faire disparaître une fonction. Il est de donner aux équipes un outil qui leur permet de travailler plus vite, avec une meilleure visibilité et davantage de temps pour les sujets où leur expérience fait réellement la différence.

L’IA ne remplace pas l’équipe : elle lui rend du temps.