← Retour à la base de connaissances

L’IA lit les rapports d’essais sous-traités

Un cas d’usage concret de l’intelligence artificielle au laboratoire : un modèle lit les résultats du rapport d’essai d’un laboratoire externe et les place sous les lignes de la commande. Une personne n’a plus qu’à confirmer.

L’IA lit les résultats d’un rapport d’essai sous-traité à un laboratoire externe

En bref

  • La sous-traitance se termine par le PDF d’un autre laboratoire. Quelqu’un en ressaisit à la main une douzaine de chiffres — et c’est là que naissent les erreurs les plus coûteuses de tout le processus.
  • Le modèle lit l’en-tête, le tableau des résultats et les notes de bas de page, fait correspondre les lignes aux lignes de la commande et prépare une proposition de saisie. Il ne valide rien lui-même.
  • Il normalise ce qui diffère d’un laboratoire à l’autre : séparateur décimal, unités, notation « < 0,5 », incertitude élargie, année d’édition de la norme.
  • Le résultat conserve un marquage permanent « essai sous-traité » et le rapport d’essai original joint — comme l’exige l’article 7.8.2.1 p) de l’ISO/IEC 17025.
  • La validation reste humaine. L’IA ramène le traitement d’un rapport d’essai d’une quinzaine de minutes à une minute de vérification, mais elle ne retire pas la responsabilité.

Pourquoi justement les rapports d’essais sous-traités

Presque aucun laboratoire n’a dans sa portée d’accréditation tout ce que demandent ses clients. Métaux lourds, HAP, Legionella, déterminations selon une autre norme, essais saisonniers réalisés une fois par trimestre — tout cela part chez un laboratoire sous-traitant. Le client reçoit un seul rapport d’essai, et vous répondez de tout ce qu’il contient.

C’est là que commence un problème qui n’apparaît dans aucun rapport d’efficacité : le sous-traitant renvoie un PDF, et quelqu’un chez vous en ressaisit les chiffres. C’est généralement la personne qui a déjà le plus de travail — le responsable technique ou la personne qui valide les rapports d’essai. La ressaisie prend de quelques minutes à un quart d’heure par document, elle est fastidieuse et exige une attention de tous les instants. La combinaison idéale pour se tromper.

Cet article décrit un seul cas d’usage de l’IA, défini de façon étroite : la lecture des résultats du rapport d’essai d’un sous-traitant et leur report sous les lignes de la commande. Sans vision de laboratoire autonome, sans promesse de « révolution ». Une tâche qu’une machine accomplit plus vite et plus soigneusement qu’une personne fatiguée — à condition que la décision de validation reste humaine.

Les cinq erreurs les plus fréquentes

  • La virgule contre le point. Le rapport d’un laboratoire étranger indique 0.05, le système attend 0,05 — avec un collage inattentif, le résultat peut être multiplié par mille.
  • Des mg/l au lieu de µg/l. L’erreur la plus coûteuse des analyses environnementales. Le sous-traitant rend des microgrammes, votre portée travaille en milligrammes — sans conversion, un résultat conforme devient un dépassement.
  • Une ligne décalée. Un tableau de quinze déterminations, le regard glisse d’une ligne et le résultat du chrome atterrit à côté du nickel.
  • Un signe « inférieur à » perdu. < 0,5 ressaisi en 0,5 n’est plus « inférieur à la limite de quantification », mais une valeur mesurée précise. Cela change l’interprétation et l’évaluation de la conformité.
  • Une note de bas de page oubliée. Une remarque sur un écart à la méthode, sur un prélèvement réalisé par le client ou sur une détermination hors de la portée d’accréditation du sous-traitant — souvent en petits caractères au bas de la page, mais elle doit figurer dans le rapport final.

Pourquoi l’auditeur pose cette question en premier

Lorsqu’il sous-traite des essais, le laboratoire doit démontrer la maîtrise du prestataire externe (article 6.6 de l’ISO/IEC 17025) et identifier clairement dans le rapport d’essai les résultats fournis par ce prestataire (article 7.8.2.1 p)). La ressaisie manuelle de chiffres depuis le PDF d’un autre laboratoire perd généralement les deux : le marquage d’origine disparaît, et le lien avec l’original ne vit plus que dans la mémoire de la personne qui a fait la ressaisie.

Le cas d’usage pas à pas

Voici le parcours complet d’un document — de son arrivée au moment où le résultat est prêt pour le rapport final. Toute la séquence dure à peu près le temps de lire ce paragraphe ; la dernière étape est le seul endroit où une personne est nécessaire.

ÉTAPE 1
Le rapport d’essai arrive et est rattaché à la commande
Par e-mail, depuis le portail du sous-traitant ou sous forme de scan transmis par le secrétariat. Le document est immédiatement joint à une commande précise et y reste définitivement — c’est lui, et non le chiffre ressaisi, qui constitue la preuve.
ÉTAPE 2
La lecture de la structure du document
Le modèle reconnaît trois niveaux : l’en-tête (qui a réalisé l’essai, numéro du rapport, dates), l’identification de l’échantillon et le tableau des résultats avec ses notes. Il ne cherche pas de mots-clés — il lit la mise en page, c’est pourquoi il s’accommode du fait que chaque laboratoire a son propre modèle de rapport.
ÉTAPE 3
La correspondance des lignes avec la commande
Chaque ligne du tableau est associée à la ligne que vous avez sous-traitée — à la fois par le nom de la détermination, la méthode et l’identification de l’échantillon. Les lignes qui ne peuvent pas être associées sans ambiguïté sont signalées au lieu d’être devinées.
ÉTAPE 4
La normalisation de l’écriture
Séparateur décimal, unité convertie dans celle de votre portée, signe « inférieur à » et valeur de la limite de quantification conservés, incertitude élargie avec le facteur d’élargissement indiqué. C’est l’étape où le sens d’un chiffre se perd le plus souvent — c’est pourquoi elle est décrite à part et non noyée dans la lecture.
ÉTAPE 5
Une proposition à vérifier
Un comparatif apparaît à l’écran : à gauche la saisie proposée, à droite l’extrait du rapport d’essai original dont elle provient. Inutile de chercher dans le document — l’emplacement source est surligné à côté de chaque chiffre.
ÉTAPE 6
L’acceptation par une personne
Seule la confirmation par une personne habilitée enregistre les résultats dans la commande. Chacun reçoit un marquage permanent d’essai sous-traité, avec le nom du sous-traitant et le numéro de son rapport d’essai.

Ce que le modèle doit lire pour que le résultat soit complet

Le chiffre seul ne suffit pas. Le rapport final destiné au client doit porter bien plus d’informations, et toutes figurent dans le document du sous-traitant — simplement dispersées à trois endroits différents. Le minimum sans lequel la saisie n’a pas de sens :

  • Qui a réalisé l’essai — nom complet et adresse du laboratoire sous-traitant, ainsi que son numéro d’accréditation.
  • Numéro et date du rapport d’essai du sous-traitant — l’identifiant grâce auquel l’auditeur reconstituera le lien.
  • Identification de l’échantillon des deux côtés — votre référence d’échantillon et celle que lui a attribuée le sous-traitant.
  • Dates de réception de l’échantillon et de réalisation de l’essai — sans elles, impossible de vérifier le respect du délai de conservation de l’échantillon.
  • Détermination, résultat et unité — ensemble, jamais séparément.
  • Méthode d’essai avec l’année d’édition de la norme — « NF EN ISO 17294-2 » sans année est une autre méthode qu’avec l’année.
  • Incertitude élargie et facteur d’élargissement — si le sous-traitant les a indiqués.
  • Limite de quantification et mode d’expression des résultats inférieurs à celle-ci.
  • Remarques, écarts et déclarations de conformité — y compris l’indication des déterminations hors de la portée d’accréditation.

Une règle sans exception

Si l’une de ces informations manque dans le document, le modèle ne doit pas la compléter — il doit signaler le manque. Deviner l’année d’une norme ou ajouter une unité « parce que c’est généralement le cas », c’est exactement le genre d’aide qui rend un outil inadapté à un laboratoire accrédité.

Là où cela coince

Une description honnête d’un cas d’usage doit inclure les situations dans lesquelles l’automatisme ne s’en sort pas. Il y en a plusieurs, et toutes sont prévisibles :

  • Un scan de mauvaise qualité. Un document faxé, photographié de biais ou signé au stylo en travers du tableau. La lecture est alors incertaine et doit être signalée comme nécessitant une vérification complète.
  • Un tableau coupé entre deux pages. Les en-têtes de colonnes restent sur la première page, une partie des lignes passe sur la seconde — sans reconnaître la continuité, on attribue facilement des valeurs aux mauvaises colonnes.
  • Répétitions et dilutions. La même détermination figure deux fois dans le rapport parce que l’essai a été répété. Seule une personne sait quel résultat est le bon — et c’est à elle de l’indiquer.
  • Un rapport groupé pour plusieurs échantillons. Un document, dix échantillons en colonnes. Le risque d’attribuer un résultat au mauvais échantillon est ici le plus élevé.
  • Des noms qui se ressemblent. « Chrome » et « Chrome(VI) » sont deux déterminations différentes, avec des limites différentes. L’association sur le seul nom est ici inacceptable — il faut l’associer avec la méthode.

La règle supérieure : l’IA propose, une personne valide. Un outil qui enregistre les résultats sans confirmation transfère la responsabilité du rapport d’essai à l’éditeur du logiciel — ce qu’aucune norme ne prévoit et qu’aucun auditeur n’acceptera. La valeur de ce cas d’usage n’est pas de retirer la personne du processus, mais de transformer son travail de ressaisie en travail de vérification.

La piste d’audit

La lecture automatique n’a de sens que si l’on peut ensuite retrouver d’où vient chaque chiffre. C’est pourquoi un ensemble complet d’informations sur la lecture elle-même est enregistré avec chaque résultat accepté — indépendamment du document original déjà joint à la commande.

Ce qui est enregistré À quoi cela sert
Document source Le rapport d’essai original du sous-traitant, sous la forme dans laquelle il est arrivé — sans conversion ni retraitement.
Date/heure de lecture Situe la lecture dans la chronologie, par rapport à la réception du document et à la validation du rapport d’essai.
Version du modèle Si l’outil change de comportement, on sait quelles lectures antérieures ont été faites avec l’ancienne version.
Valeur proposée Enregistrée à côté de la valeur validée — on voit si la personne a corrigé quelque chose, et quoi exactement.
Personne qui accepte Une responsabilité nominative pour la saisie du résultat dans la commande.
Marquage sous-traité Lié durablement au résultat, il est repris dans le rapport final et satisfait à l’exigence de l’article 7.8.2.1 p).
Le rapport d’essai doit identifier clairement les résultats fournis par des prestataires externes — c’est une exigence de la norme, pas une bonne pratique. Si le marquage d’origine d’un résultat est créé à la main, il finira tôt ou tard par être oublié.

La dernière ligne du tableau est ici la plus importante. Un marquage de sous-traitance attribué automatiquement au moment de la lecture ne peut pas être oublié, puisque personne ne le saisit — il découle de la provenance du document. C’est le seul changement de tout le processus qui améliore la conformité à la norme par sa conception même, et non par la discipline de l’équipe.

Ce que cela apporte réellement

Les chiffres ci-dessous sont un calcul sur un exemple, et non le résultat d’une mesure chez un client précis. Prenons un laboratoire de taille moyenne qui sous-traite régulièrement, mais pas massivement :

40
rapports d’essai de sous-traitants par mois
6
déterminations en moyenne par rapport d’essai
8 → 1,5
minutes par document : ressaisie contre vérification de la proposition
4 h 20 min
de temps récupéré par mois avec ces hypothèses

Quatre heures par mois, ce n’est pas un chiffre à vendre comme une révolution. Le vrai bénéfice est ailleurs : ce sont quatre heures de travail de la personne la plus coûteuse du laboratoire, sous la pression des délais, sur une tâche où une seule ligne inattentive coûte une réclamation, un essai à refaire ou une non-conformité à l’audit. Remplacer la ressaisie par la vérification change moins le nombre d’heures que la répartition du risque.

Un effet secondaire que personne ne prévoit

Lorsque tous les rapports des sous-traitants passent par un seul endroit, vous disposez au bout de quelques mois des données nécessaires à l’évaluation des prestataires exigée par l’article 6.6 : qui respecte les délais, qui envoie des documents à corriger, chez qui les informations sur la méthode manquent régulièrement. Sans tenir de registre séparé.

Comment le mettre en place chez vous

Mettre en œuvre ce cas d’usage ne demande pas de réorganiser le laboratoire. Cela demande en revanche de respecter un ordre — vouloir tout activer d’un coup conduit l’équipe à se méfier de l’outil :

  1. Choisissez un seul sous-traitant — celui dont vous recevez le plus de rapports à la mise en page répétitive. C’est là que vous verrez l’effet le plus vite.
  2. Rassemblez quelques dizaines de ses rapports de l’année écoulée et vérifiez la lecture sur des documents dont vous connaissez déjà les résultats. C’est le seul test honnête : la comparaison avec ce qui a réellement été saisi à la main.
  3. Travaillez un mois en parallèle — lecture automatique à côté de la ressaisie habituelle. Les écarts qui apparaissent valent plus que les concordances.
  4. Décrivez-le dans la documentation du système de management — qui accepte, ce qui se passe en cas de lecture ambiguë, comment les résultats sous-traités sont marqués. L’auditeur vous interrogera sur la procédure, pas sur la technologie.
  5. Ajoutez ensuite seulement d’autres sous-traitants — un par un, en vérifiant séparément chaque nouveau modèle de rapport.

Cela signifie-t-il que l’IA valide les résultats ?

Non. Et c’est la seule réponse qui rend ce cas d’usage compatible avec un laboratoire accrédité. Le modèle effectue une tâche technique — il transfère une information d’un document à un autre, plus exactement qu’une personne, parce qu’il ne se fatigue pas à la quinzième ligne d’un tableau. L’évaluation de la conformité, la décision de refaire un essai et la validation du rapport d’essai restent des actes de la personne habilitée, exactement comme avant la mise en œuvre.

Il faut aussi dire ce que cet outil ne fait pas : il n’évalue pas si le sous-traitant a réalisé l’essai correctement, il ne remplace pas la maîtrise du prestataire et il ne dispense pas de vérifier que la détermination entrait dans sa portée d’accréditation. Lire un document et maîtriser un prestataire sont deux choses différentes — automatiser la première ne règle pas la seconde.

Synthèse

La ressaisie des résultats des rapports d’autres laboratoires présente toutes les caractéristiques d’une bonne candidate à l’automatisation : elle est répétitive, chronophage, réalisée par les personnes les plus sollicitées et sujette à des erreurs aux conséquences graves. Elle est en même temps assez circonscrite pour être décrite, testée et documentée — et donc défendue devant un auditeur.

Une mise en œuvre sensée de l’IA au laboratoire ressemble exactement à cela : une tâche précise, une frontière de responsabilité claire, une piste d’audit complète. Pas un « laboratoire intelligent », simplement moins de chiffres ressaisis depuis un PDF à deux heures de l’après-midi.

Si vous voulez voir comment cette lecture se comporte sur les rapports de vos sous-traitants, écrivez-nous — le meilleur test, c’est une douzaine de vos propres documents.

Testons-le sur vos rapports d’essai

Nous vous montrerons la lecture sur des documents de vos sous-traitants et verrons comment décrire ce changement dans la documentation du système de management — pour qu’il passe l’audit.

Fondements et sources

  1. PN-EN ISO/IEC 17025:2018-02 Exigences générales concernant la compétence des laboratoires d’étalonnages et d’essais — article 6.6 (produits et services fournis par des prestataires externes) et article 7.8.2.1 p) (identification claire dans le rapport des résultats fournis par des prestataires externes) : iso.org/standard/66912.html.
  2. Centre polonais d’accréditation (PCA) — documents et exigences pour les laboratoires d’essais, y compris les règles de recours aux services externes : pca.gov.pl.
  3. European co-operation for Accreditation — documents d’interprétation sur le rendu des résultats selon l’article 7.8 de la norme : european-accreditation.org.
  4. LabCoda.pl — moteur de recherche des laboratoires accrédités par domaine d’essai : labcoda.pl.

À propos de cet article

Le cas d’usage décrit concerne la lecture des rapports d’essai des laboratoires sous-traitants. Les durées et nombres de rapports indiqués sont un calcul sur l’exemple d’un laboratoire de taille moyenne — ils donnent un ordre de grandeur et ne sont pas le résultat d’une mesure chez un client précis.

L’équipe CleverLAB développe des LIMS pour les laboratoires accrédités selon l’ISO/IEC 17025. Parmi nos clients figurent des laboratoires de l’eau, des eaux usées et de microbiologie, des laboratoires physico-chimiques et des laboratoires de propreté technique.