doc2data: da fatture e scontrini a dati verificati

Fatture e scontrini arrivano come PDF o scansioni e vengono ricopiati a mano in fogli di calcolo.

Estrarre i campi senza indovinare: ogni valore incerto deve finire in una lista da verificare, non nel foglio finale.

Cosa estrae

Fornitore, partita IVA, numero fattura, data, valuta, imponibile, IVA, totale e ogni riga.

Come controlla

• Imponibile + IVA deve dare il totale; le righe devono tornare
• Le date devono essere plausibili; le partite IVA devono avere un formato valido
• Tutto ciò che non supera un controllo viene segnalato per la revisione, mai indovinato

Come funziona

• Offline, sul tuo computer, senza servizi cloud
• I PDF di testo vengono letti direttamente; le scansioni passano per l'OCR (riconoscimento ottico dei caratteri) sul tuo computer, senza servizi cloud
• Un passaggio di IA per i formati insoliti è facoltativo e spento di default. Chiede solo i campi mancati dalle regole, e quei campi vengono sempre segnalati. Se attivi l'opzione cloud, invia fino ai primi 6.000 caratteri del testo estratto a un fornitore compatibile con OpenAI scelto da te, usando la tua chiave API. Il passaggio facoltativo con Ollama gira sullo stesso computer (localhost); nulla lascia il computer. Entrambe sono realizzate e coperte da test unitari, non ancora provate con un modello reale. L'app demo offre solo l'opzione locale; l'opzione cloud esiste solo nello strumento a riga di comando.

Misurato il 2 ottobre 2026 nella nostra build Docker. Tutti i documenti sono sintetici: aziende, indirizzi e partite IVA inventati.

• La fattura con un errore di calcolo voluto è stata segnalata in ogni set.
• Tutti i 21 test automatici vengono superati.

Evidenze complete dei test: conteggi dei campi, segnalazioni e limiti per tutti e cinque i set

Documenti sintetici. La precisione reale va misurata sui tuoi esempi. Le fatture sintetiche usano 2 formati più uno scontrino, e le regole sono state scritte conoscendoli. I documenti reali dei fornitori daranno risultati più bassi: per questo ogni progetto parte misurando sui tuoi documenti.

Tutte le evidenze dei test

Python, pdfplumber e pypdfium2 (testo dei PDF), RapidOCR su ONNX Runtime (OCR offline), pandas, openpyxl, Streamlit; PDF di test sintetici generati con ReportLab; test con pytest; distribuito con Docker.

• Più aliquote IVA nella stessa fattura: non gestite
• Tabelle di righe su più pagine: non gestite
• Note di credito: non gestite
• Descrizioni delle righe che vanno a capo su due righe: non gestite in modo affidabile
• Le partite IVA sono controllate solo nel formato, non con la cifra di controllo né sul registro europeo VIES
• Errori OCR di un solo carattere in nomi e partite IVA sulle scansioni scadenti non si possono scoprire con i controlli aritmetici
• Non è ancora stata misurata alcuna precisione su documenti reali