Contexte du projet
En tant que fabricant pharmaceutique de premier plan en Chine, le Groupe Huadong Medicine génère plus de 5 milliards de yuans d'achats par an, avec un volume considérable de commandes quotidiennes. Toutes les données d'achat étaient auparavant extraites manuellement de fichiers PDF/images et saisies dans le système ERP SAP, puis les processus d'approbation étaient lancés via DingTalk. L'absence d'intégration entre les deux systèmes entraînait des saisies redondantes, des informations déphasées et des retards d'approbation.
Principaux points de douleur
Solution
Identification intelligente et saisie automatique par IA
Déploiement d'un système de reconnaissance des bons de commande à double moteur OCR+LLM, capable d'analyser intelligemment divers formats : PDF, images, documents scannés. Le système extrait automatiquement les champs clés (informations fournisseur, code article, quantité, prix, etc.) et les renseigne automatiquement selon les règles de correspondance des champs SAP.
Intégration ERP - DingTalk
Développement d'un middleware standard d'intégration API entre SAP ERP et DingTalk, permettant une synchronisation bidirectionnelle des données d'achat. Une fois saisies dans l'ERP, les commandes déclenchent automatiquement un processus d'approbation dans DingTalk, et les résultats d'approbation sont réécrits en temps réel dans l'ERP, éliminant ainsi toute double saisie.
Alertes intelligentes sur anomalies
Mise en place d'un modèle de détection d'anomalies basé sur les données historiques d'achat, qui identifie et alerte automatiquement sur les risques tels que les écarts de prix, les quantités anormales ou les commandes en double.
Données de performance
| Indicateur | Avant optimisation | Après optimisation | Amélioration |
|---|---|---|---|
| Temps de saisie d'un bon | 2 heures/bon | 5 minutes/bon | ↓96 % |
| Taux d'erreur de saisie | 8 % | 0,5 % | ↓94 % |
| Effectif de l'équipe achats | 8 personnes | 3 personnes | ↓63 % |
| Délai d'approbation | 3 jours ouvrés | 0,5 jour ouvré | ↓83 % |
> Résumé chiffré : Le temps de saisie a été réduit de 96 % pour atteindre 5 minutes par bon, le taux d'erreur a chuté de 94 % à 0,5 %, l'équipe achats est passée de 8 à 3 personnes, et le délai d'approbation a diminué de 83 % pour s'établir à 0,5 jour ouvré.
Stack technologique
SAP ERP, Plateforme ouverte DingTalk, Moteur OCR, Grand modèle Qwen, Middleware Node.js, PostgreSQL
FAQ
En quoi le double moteur OCR+LLM est-il meilleur que le seul OCR ?
Le taux de reconnaissance d'un OCR seul pour les formats complexes (écriture manuscrite, tampons, modèles non standard) est d'environ 80 % à 85 %. L'ajout d'un LLM permet, grâce à la compréhension sémantique, de compléter les champs mal reconnus ou omis par l'OCR, portant le taux de reconnaissance global à plus de 99 %. Dans le cas présent, le taux d'erreur est passé de 8 % en saisie manuelle à 0,5 % avec la saisie IA.
La saisie intelligente par IA prend-elle en charge différents formats de bons de commande ?
Oui. Le double moteur OCR+LLM prend en charge les formats PDF, images, documents scannés, fax, etc., sans nécessiter de modèles prédéfinis. Le LLM comprend automatiquement la structure des bons de commande de différents fournisseurs, extrait les champs clés et les mappe sur les champs standard de SAP.
Quel est le niveau d'intervention humaine requis après la mise en service ?
Seules 3 personnes (contre 8 auparavant) sont nécessaires pour traiter les bons de commande anormaux là où le niveau de confiance de l'IA est faible, ce qui représente environ 5 % du volume total. 95 % des bons de commande sont entièrement automatisés, de la saisie à l'approbation en passant par l'archivage, sans aucune intervention humaine.
