Tous les articles

Factures PDF vers Excel : un tableau fiable et vérifié

En bref. Pour extraire des factures PDF vers Excel, utilisez l’import PDF pour les tableaux adaptés, l’OCR pour les scans ou un parseur réglé pour des modèles connus. Gardez une ligne par facture, sa source et un état de vérification. Le code pédagogique ci-dessous vérifie les dates et certains formats de montant sans deviner les valeurs ambiguës. Il ne lit pas les PDF, ne fait pas d’OCR et ne crée pas de classeur Excel.

Factures dessinées avec différentes mises en page réunies dans un tableau uniforme, une ligne étant signalée pour vérification.
Flux de données illustratif, sans documents clients. Chaque ligne doit rester liée à son document source.

Transformer des factures PDF en Excel semble simple. Vous avez un dossier de PDF. Chaque fournisseur a sa mise en page, ses propres termes et sa façon d’écrire les dates et les montants. Vous voulez un seul tableau : numéro de facture, date, fournisseur, HT, TVA, TTC. Et il faut pouvoir y faire confiance.

La saisie manuelle convient pour cinq factures. Pour cinquante, les erreurs s’accumulent : une virgule prise pour un séparateur de milliers, une date inversée, un total déjà faux dans la facture.

Quelles sont les façons de mettre des factures PDF dans Excel ?

Méthode Pour qui Attention
L’import PDF d’Excel (Données, Obtenir des données, À partir d’un fichier, À partir d’un PDF) quelques factures avec des tableaux clairs il trouve des tableaux, pas du sens ; chaque mise en page peut exiger ses propres étapes ; rien ne vérifie les totaux
Un convertisseur en ligne un fichier ponctuel où vos factures sont envoyées et conservées ; le résultat reste à vérifier
Un petit script beaucoup de factures, plusieurs fournisseurs, chaque mois il faut le régler une fois pour vos mises en page

Le connecteur PDF de Microsoft renvoie les tableaux qu’il trouve dans un PDF. Il peut fusionner des tableaux semblables sur des pages consécutives, et pour plusieurs fichiers à la fois, Microsoft renvoie au connecteur de dossier. La documentation précise aussi que certaines fonctions existent dans un produit et pas dans un autre : vérifiez que votre version d’Excel affiche bien l’option.

Si vous recevez quelques factures par mois d’un seul fournisseur, Excel suffit. Dès que vous avez plusieurs fournisseurs chaque mois, un script devient intéressant : vous définissez les règles une fois, puis vous le relancez.

À quoi ressemble un bon tableau ?

Une ligne par facture ; une ligne par PDF seulement si chaque fichier contient une seule facture. Conservez les mêmes colonnes pour tous les fournisseurs, des dates au même format (2026-09-03), des montants au format numérique (1240.00) et une colonne supplémentaire : à vérifier.

C’est la plus importante. Un bon processus ne fait aucune supposition. Si une facture n’a pas de numéro ou si le montant HT + TVA ne correspond pas au TTC, la ligne est gardée telle quelle et marquée. Une personne décide ensuite quoi faire.

Comment un script lit-il des factures ?

L’exemple attend un champ par ligne, un deux-points après le libellé et un ordre jour/mois convenu pour le fournisseur. Les libellés reconnus sont anglais, français et allemands. Le texte extrait est conservé à côté du résultat. Le code vérifie les dates du calendrier, accepte zéro et les montants signés, et signale les champs absents, répétés ou ambigus. Il compare HT plus TVA au TTC seulement si les trois valeurs sont disponibles.

Le périmètre reste limité : TVA à plusieurs taux, pourcentage placé à côté du montant de taxe, remises, arrondis, autres devises et changements de mise en page demandent des règles adaptées. Une égalité arithmétique ne prouve ni la validité de la facture ni le bon choix des champs. Le résultat est un dictionnaire Python, pas un fichier Excel.

import re
from datetime import date
from decimal import Decimal

LABELS = {
    "number": r"(?:Invoice\s*No\.?|Facture\s*n°|Rechnungsnummer)",
    "date": r"(?:Date|Datum)",
    "net": r"(?:Subtotal|Total\s*HT|Nettobetrag)",
    "vat": r"(?:VAT|TVA|MwSt\.?)",
    "total": r"(?:Total\s*TTC|Total\s*due|Gesamtbetrag)",
}

def money(raw):
    # Only EUR-style amounts with at most two decimal places are in scope.
    value = re.sub(r"\s*(?:EUR|€)\s*$", "", raw.strip(), flags=re.I)
    value = value.replace("\u00a0", " ").replace("\u202f", " ")
    if not re.fullmatch(r"[+-]?\d[\d., ]*", value):
        raise ValueError("unsupported amount")
    sign = "-" if value.startswith("-") else ""
    value = value.lstrip("+-")
    separators = [c for c in ".," if c in value]
    decimal = None
    if len(separators) == 2:
        decimal = max(separators, key=value.rfind)
    elif separators:
        sep = separators[0]
        # 1,240 or 1.240 could mean 1240 or 1.240: never guess.
        if value.count(sep) != 1 or len(value.rsplit(sep, 1)[1]) not in (1, 2):
            raise ValueError("ambiguous amount")
        decimal = sep
    integer, fraction = value.rsplit(decimal, 1) if decimal else (value, "")
    if decimal and not re.fullmatch(r"\d{1,2}", fraction):
        raise ValueError("unsupported precision")
    grouping = [c for c in "., " if c in integer]
    if len(grouping) > 1:
        raise ValueError("mixed grouping")
    if grouping:
        sep = grouping[0]
        if sep == decimal or not re.fullmatch(r"\d{1,3}(?:" + re.escape(sep) + r"\d{3})+", integer):
            raise ValueError("invalid grouping")
        integer = integer.replace(sep, "")
    if not integer.isdigit():
        raise ValueError("invalid integer")
    return Decimal(sign + integer + ("." + fraction if fraction else ""))

def parse(text, day_first=True):
    row, raw_values, flags = {}, {}, []
    for key, label in LABELS.items():
        matches = re.findall(r"^[ \t]*" + label + r"[ \t]*:[ \t]*([^\r\n]*)$", text, re.I | re.M)
        raw_values[key] = matches
        row[key] = matches[0].strip() if len(matches) == 1 else None
        if row[key] is None or not row[key]:
            flags.append("missing or repeated " + key)
            row[key] = None
    if row["date"] is not None:
        try:
            if not re.fullmatch(r"\d{1,2}[./]\d{1,2}[./]\d{4}", row["date"]):
                raise ValueError("unsupported date")
            first, second, year = map(int, re.split(r"[./]", row["date"]))
            day, month = (first, second) if day_first else (second, first)
            row["date"] = date(year, month, day).isoformat()
        except ValueError:
            flags.append("invalid date")
            row["date"] = None
    for key in ("net", "vat", "total"):
        if row[key] is not None:
            try:
                row[key] = money(row[key])
            except ValueError:
                flags.append("invalid or ambiguous " + key)
                row[key] = None
    if all(row[key] is not None for key in ("net", "vat", "total")):
        if row["net"] + row["vat"] != row["total"]:
            flags.append("totals differ")
    row["raw_values"] = raw_values
    row["needs_review"] = "; ".join(flags)
    return row
Illustration au crayon d’une personne comparant une facture au tableau, près de bacs pour documents vérifiés et cas à résoudre.
La vérification humaine reste visible : une ligne incertaine n’est ni corrigée en silence ni présentée comme une écriture validée.

Quelles colonnes garder en plus des montants ?

Ajoutez au minimum le nom du fournisseur, la devise et le nom du fichier PDF d’origine. Cette dernière colonne coûte une seconde à écrire et vous fait gagner des heures : quand une ligne paraît bizarre, vous ouvrez directement la bonne facture. Gardez aussi la date de l’extraction, pour savoir quelle version des règles a produit quel tableau.

Que s’est-il passé sur un jeu d’essai ?

Le parseur publié est testé sur des textes fictifs : factures ordinaires, TVA nulle, montants d’avoir signés, total incohérent, champs absents ou répétés, dates invalides ou bissextiles, ordre des dates et montants ambigus comme 1,240 ou 1.240. Ces derniers restent non résolus, avec le texte d’origine.

Ce sont des tests du parseur uniquement, pas des essais d’OCR, d’extraction de vrais PDF ou d’export Excel. Le parcours complet demande des fichiers d’essai autorisés, des règles par fournisseur et une réception de bout en bout. Un état de vérification vide signifie seulement que ces contrôles limités n’ont rien relevé.

Quels pièges font échouer un tableau de factures PDF ?

  • Virgule ou point décimal. 1.240,00 et 1,240.00 sont le même montant ; 1,240 peut être l’un ou l’autre. Fixez la règle pour chaque fournisseur.
  • Jour et mois. 03/04/2026 est le 3 avril en France et, au format américain, le 4 mars. Fixez l’ordre avant de lancer quoi que ce soit.
  • Plusieurs taux de TVA sur une facture. Une colonne HT et une colonne TVA ne suffisent pas ; gardez une ligne par taux ou un total avec une note. Les règles françaises demandent le taux de TVA applicable sur chaque ligne : un seul chiffre de TVA peut cacher des taux mélangés.
  • Les avoirs. Ils doivent apparaître en négatif, pas comme une seconde facture qui double vos dépenses.
  • Devise. Si un fournisseur facture dans une autre devise, gardez une colonne devise et convertissez plus tard, jamais en silence.
  • Dérive de mise en page. Le connecteur d’Excel comme un script lisent ce qui est sur la page. Un fournisseur qui déplace son bloc de totaux peut casser une règle sans message d’erreur : c’est une raison de plus pour le contrôle ci-dessous.

Que vérifier avant de se fier au tableau ?

Cinq minutes, à chaque fois :

  1. Rapprochez les lignes des factures comprises dans le périmètre convenu, pas automatiquement du nombre de PDF : un fichier peut contenir plusieurs factures ou plusieurs pages d’une seule facture.
  2. Comparez les totaux extraits aux mêmes factures sources, sur un périmètre convenu. Rapprochez les paiements séparément : dates bancaires, acomptes et factures impayées ne correspondent pas forcément au total facturé du mois.
  3. Recherchez les doublons avec l’identité du fournisseur et le numéro, en conservant la source. Deux fournisseurs peuvent utiliser le même numéro. Ne supprimez pas une ligne et ne déduisez pas une facture manquante de la séquence d’un autre fournisseur.
  4. Ouvrez trois factures au hasard et comparez-les avec leurs lignes.
  5. Chaque ligne de la liste « à vérifier » a fait l’objet d’une décision : correction manuelle ou validation en l’état.

Quand un script ne suffit-il pas ?

  • Les scans sont des images. La documentation de pypdf indique que la bibliothèque n’est pas un logiciel d’OCR et « ne pourra jamais extraire de texte d’images » : il faut d’abord reconnaître le texte, puis vérifier les chiffres reconnus.
  • Un PDF n’a pas de structure de tableau. La même documentation explique qu’un PDF stocke du texte positionné, pas des en-têtes ni des tableaux : lire une mise en page est toujours une approximation. C’est pourquoi nous signalons au lieu de faire confiance.
  • Les nouvelles mises en page demandent d’ajouter leurs libellés. C’est en général rapide, mais quelqu’un doit le faire.
  • Les formats de nombres inhabituels (trois chiffres après la virgule, par exemple) doivent être définis à l’avance, pas devinés.
  • Les décisions comptables ou juridiques restent à votre comptable. Un tableau vérifié l’aide ; il ne le remplace pas.

Le faire vous-même ou le confier ?

Si vous êtes à l’aise avec Python, le script ci-dessus suffit pour vous lancer. La démonstration à partir de factures fictives est consultable sur notre page de réalisations. Si vous préférez nous transmettre un dossier et recevoir un tableau vérifié accompagné de la liste des points à examiner, découvrez notre service Des documents aux données. Pour les fichiers confidentiels, le traitement peut rester sur votre ordinateur ou sur le nôtre, dans l’UE : voir notre page sur l’IA privée sans cloud.

Que faire d’une ligne incertaine ?

Gardez les valeurs brutes, le nom du fichier et les pages sources à côté des champs normalisés. Notez la personne qui vérifie et chaque correction. Ne remplacez jamais un montant illisible par zéro et n’inventez pas un numéro manquant.

L’exemple publié traite les cas indiqués de date, TVA nulle, signe et ambiguïté, mais pas l’identité du fournisseur, les taux multiples ou toutes les mises en page. Traitez les lignes à revoir et testez séparément l’extraction réelle et l’export avant un import comptable. Convenez du transfert, des accès, du stockage et de la suppression ; les décisions comptables restent à votre comptable.

pypdf — text extraction.

Questions

Peut-on lire de la même façon des factures scannées ?

Pas directement. Un scan est une image du papier : il faut d'abord reconnaître le texte (OCR), et la documentation de pypdf précise que la bibliothèque ne peut pas extraire de texte d'une image. Ensuite les mêmes règles s'appliquent, mais chaque chiffre reconnu mérite une vérification.

Que se passe-t-il si une facture n'a pas de numéro ou si les totaux ne correspondent pas ?

On ne corrige rien en silence. La ligne reste telle qu'imprimée et elle est signalée dans une colonne « à vérifier » pour qu'une personne décide.

Mes factures quittent-elles mon ordinateur ?

Seul un parcours entièrement local et vérifié évite le traitement externe. Contrôlez l'OCR, les services connectés, les dossiers synchronisés, les journaux, les sauvegardes et les accès d'assistance. Un script seul ne garantit pas la confidentialité.

Excel peut-il rassembler beaucoup de factures PDF d'un coup ?

La documentation de Microsoft indique d'utiliser un connecteur multifichier, comme le connecteur de dossier, pour importer plusieurs PDF. Excel lit toutefois des tableaux : il reste à vérifier chaque mise en page et les totaux.

Contact

Une seule personne lit cette boîte — la même qui construit ce que vous commandez.

Décrivez votre besoin

Dites-nous ce que vous avez et le résultat attendu — même une seule petite tâche. Pas de cahier des charges : sous 48 heures, un plan et un prix par écrit, une question, ou un « ce n’est pas pour nous » honnête.

Ajoutez la situation, les fichiers ou liens, le délai, la langue, les limites de confidentialité et le budget si vous en avez un.

Fichier (facultatif)
Aucun fichier choisi

Un brief, une photo, un tableau — ce qui explique la tâche plus vite qu'un texte. Jusqu'à 8 Mo, stocké chez notre hébergeur. Merci de ne pas envoyer de documents personnels sensibles ou médicaux via le site.

L’envoi ne crée ni commande ni paiement. Réponse sous 48 heures. Plutôt par e-mail ? contact@castel.studio

Parlez-nous

Plutôt par téléphone ou messagerie ? Écrivez ou appelez — c'est le fondateur du studio qui répond.

Se connecter sur LinkedIn

Téléphone · WhatsApp · Telegram

France+33 7 49 57 41 69WhatsAppTelegram

Ukraine+38 063 95 77 111WhatsAppTelegram

Vous préférez une plateforme ?

Commandez le même travail sur une plateforme, avec son paiement sécurisé.

Studio d'IA à une personne, basé à Nice. Celui qui répond à votre message est celui qui fait le travail — pas d'intermédiaire commercial. Les fichiers sont traités sur notre propre machine, pas dans le cloud d'un tiers.

Nice 06100, France · Ouvrir dans les cartes →

SIREN 103 115 705