Des dossiers traités en minutes
Fini la saisie document par document : tout est extrait et pré-qualifié en quelques secondes.
De jours à minutes
Démo · Claims processing
Traitez un dossier sinistre de bout en bout
Dossier fictif · CLM-2026-0048120 / 6 étapes terminées
Pièces d’exemple :
Constat amiable PDF
Photos du véhicule JPG
Facture garage PDF
Permis conducteur PNG
01
Upload de documents
Portail · Email · API
Ingestion multicanaleLe conducteur ou le gestionnaire dépose le dossier (PDF, scans, photos, emails) via portail, app mobile ou API.
Microsoft Foundry
Service 1
02
Document Intelligence
OCR · layout · prebuilt
Extraction éprouvéeOCR, layout et modèles prebuilt (factures, pièces d'identité) ou custom, avec un score de confiance par champ.
Service 2
03
LLM (GPT)
Mapping schéma métier
Enrichissement & mappingLLM, déployé en Data Zone EU, mappe les champs vers le schéma claims et détecte les incohérences entre documents.
04
Stockage & indexation
Blob · Cosmos DB · AI Search
Données exploitablesDocuments et JSON stockés puis indexés dans Azure AI Search pour la recherche, le reporting et les agents IA.
05
Dashboard & validation
Human-in-the-loop
Validation par exceptionSeuls les champs sous le seuil de confiance sont soumis au gestionnaire : on valide l'exception, pas tout le dossier.
06
Intégration systèmes
ERP · Claims system
Mise à jour automatiqueCréation du sinistre dans le claims system et l'ERP via API, Logic Apps ou Azure Functions.
Un dossier, plusieurs pièces
Suivez le traitement du constat, des photos et de la facture jusqu’à leur intégration.
Lignes OCR · 52
Cases à cocher · 15
Zone structurée · 1
Paires clé-valeur · 6
// modèle prebuilt-layout (+ keyValuePairs) { "pages": [{ "lines": 52, "selectionMarks": 15 }], "keyValuePairs": [ { "key": "1. Date de l'accident", "value": "28/09/2026" }, { "key": "N° d'immatriculation", "value": "GH-482-KL" }, { "key": "N° d'immatriculation", "value": "FT-219-ZB" }, … ], "selectionMarks": [{ "state": "selected", "confidence": 0.98 }, …] }
+ LLM : les champs lus par Document Intelligence sont mappés vers le schéma claims (véhicule A / B, responsabilité). Même résultat métier, sur une brique déjà validée et rapide à mettre en production.
Champ du schéma (grounding)
Champ généré / déduit
claimTypeclassifyCOLLISION_INTERSECTION · 97 %
incidentDateextract2026-09-28 · 99 %
vehicleA.plate / vehicleB.plateextractGH-482-KL (assuré) · FT-219-ZB (tiers) · 98 % / 81 %
liabilityHintgenerate« Véhicule B responsable : case 17 cochée par B (priorité non respectée) »
summarygenerate« Collision en intersection Bd Haussmann le 28/09 à 8h42 : B n'a pas respecté la priorité, choc avant gauche sur A, sans blessé. »
En plus : champs déduits en natif, et photos, audio ou vidéo dans le même service.
Document Intelligence
Extraction documentaire éprouvée
Recommandé · prêt pour la productionVS
Content Understanding
Compréhension multimodale générative
Pour aller plus loin
Document
Scan / photo
Audio
Vidéo
Contenus traités
Document
Image
Audio
Vidéo
→modèle entraîné
Prebuilt ou custom : on annote quelques exemples par gabarit, puis on entraîne.Comment on le configure
claimType: "classify · COLLISION | VOL | BRIS"
liabilityHint: "generate · qui est responsable ?"
On décrit les champs en langage naturel dans un schéma (exemples optionnels).liabilityHint: "generate · qui est responsable ?"
Texte, tableaux, cases à cocher, paires clé-valeur et champs du modèle, fidèles au document.
Ce qu'il renvoie
Les champs du schéma métier, y compris des valeurs classées ou déduites, avec confiance et grounding.
Formats stables, gros volumes
Dossiers hétérogènes
Rapidité de mise en place
Champs déduits / générés
Prix catalogue / 1 000 pages (UE)
Document Intelligence + LLM : brique déjà validée, la plus rapide à mettre en production.
+
Content Understanding : à évaluer ensuite pour les cas multimodaux (photos, audio, vidéo).
Pastilles : appréciation qualitative.
Use cases
Extrayez les données de chaque document
Valeur métier
Gagnez du temps, fiabilisez vos données
Moins de saisie, moins d'erreurs
Vos gestionnaires ne valident plus que les exceptions.
Validation par exceptionDes données enfin homogènes
Un format unique, quel que soit le garage, l'expert ou le document.
Schéma uniqueDes copilots prêts à servir
Des données propres pour des agents qui épaulent vos gestionnaires.
Copilot gestionnaireDes clients indemnisés plus vite
Moins d'allers-retours, des véhicules réparés plus tôt.
Expérience clientTraçable et conforme
Chaque valeur est reliée à sa source, dans votre environnement Azure.
Audit & RGPDRetours clients
Mesurez l'impact : des résultats déjà obtenus
Volvo Group · Document Intelligence
Volvo Group traite des milliers de factures et de dossiers de réclamation (avoirs, formulaires avec tampons ou images). Après un pilote de six semaines puis quatre mois en production, Document Intelligence a permis d'économiser plus de 10 000 heures de saisie manuelle ; les équipes se concentrent sur les cas à valeur ajoutée.
Lire la source ↗+0 h
de travail manuel économisées chez Volvo Group sur le traitement des factures et des dossiers de réclamation.
Microsoft · étude de cas Volvo GroupUNIQA · Microsoft Foundry & Document Intelligence
Assureur santé en Europe du Sud-Est, UNIQA a automatisé la lecture des demandes de remboursement médical. Le traitement d'un document passe de 15–30 min à 2–3 min, la saisie manuelle baisse jusqu'à 90 %, avec moins d'appels entrants et une meilleure satisfaction client.
Lire la source ↗−0 %
de temps de traitement des sinistres santé chez l'assureur UNIQA : de 15–30 min à 2–3 min par document.
Microsoft · étude de cas UNIQAAlly Financial · LLM & transcription
La banque Ally Financial transcrit et résume automatiquement les appels de son service client. Le travail après appel des conseillers baisse d'environ 30 %, avec plus de 85 % de précision sur les informations clés, ce qui leur laisse plus de temps pour les clients.
Lire la source ↗−0 %
de travail après appel pour les conseillers d'Ally Financial grâce à la transcription et au résumé automatiques des appels.
Microsoft · étude de cas Ally FinancialEY · Document Intelligence
EY a intégré Document Intelligence à sa plateforme fiscale mondiale pour extraire les données de formulaires complexes. Les interventions manuelles baissent jusqu'à 90 % et le travail client démarre en quelques jours au lieu de plusieurs semaines, avec des centaines de nouveaux formulaires ajoutés chaque année.
Lire la source ↗−0 %
de saisie manuelle sur l'ingestion des formulaires chez EY, et un démarrage des dossiers en jours plutôt qu'en semaines.
Microsoft · étude de cas EYForrester · Total Economic Impact
Étude commandée par Microsoft sur une organisation type : Microsoft Foundry génère un ROI de 327 % sur trois ans et se rentabilise en moins de six mois, principalement grâce à la productivité des équipes de développement, à la gouvernance et à la baisse des coûts d'infrastructure.
Lire la source ↗0 %
de retour sur investissement sur 3 ans, rentabilisé en moins de 6 mois.
Forrester · Total Economic Impact de Microsoft Foundry · 2026 (étude commandée par Microsoft)Microsoft · résultats du T4 2026
Environ 100 000 entreprises utilisent Microsoft Foundry. Plus de 300 traitent plus d'un billion de tokens par an, et le nombre de clients dépensant plus d'un million de dollars par trimestre sur Foundry a progressé de près de 80 % sur un an.
Lire la source ↗≈ 0
entreprises clientes de Microsoft Foundry, dont plus de 300 traitant plus d'un billion de tokens par an.
Microsoft · résultats du T4 de l'exercice 2026
Au-delà des sinistres
Augmentez chaque étape du métier avec l'IA
Au-delà de la démo
Allez plus loin avec Microsoft Foundry
Modèles, agents, outils, connaissance et gouvernance : tout au même endroit.
0+
modèles au catalogue
Microsoft, OpenAI, Anthropic, Meta, Mistral, DeepSeek…
0+
connecteurs Foundry Tools Catalog
SaaS, données et systèmes métier, exposés en serveurs MCP managés
0+
connecteurs Logic Apps
Workflows déclenchés ou appelés par les agents
0
piliers Microsoft IQ
Work IQ · Fabric IQ · Foundry IQ · Web IQ
Microsoft Foundry
Tout ce qu'il faut pour passer l'IA à l'échelle.
Model Catalog
Azure OpenAI
Claude in Microsoft Foundry
DeepSeek
Mistral
Grok
Cohere
Black Forest Labs
Llama
HF
NV
Φ
S
A
et des milliers d'autres modèles open source et propriétaires
+ 0 modèles
Foundry Tools
- MCPMCP Server
Azure Functions
Bing Search- OpenAPI
Agent Service
Agent-first SDKAPIUI
Prompt Agent
Workflow Agent
Hosted Agents
Foundry IQ
- FMicrosoft Fabric
Azure AI Search
SharePoint
Azure Storage
Prêts à l'emploi, appelables par API ou par vos agents.
01Choisir le modèleBenchmarks et comparaison des modèles sur vos propres documents.
02Tester avant la productionJeux de test, évaluateurs, AI red teaming et quality gates en CI/CD.
03Surveiller en productionTracing OpenTelemetry, évaluation continue du trafic, alertes Azure Monitor.
Qualité
La réponse est-elle claire, cohérente et pertinente ?
- Cohérence
- Fluidité
- Pertinence
RAG
La réponse s'appuie-t-elle sur les bons documents ?
- Groundedness
- Retrieval
- Complétude
Agents
L'agent comprend-il la demande et utilise-t-il les bons outils ?
- Intent resolution
- Task adherence
- Tool call accuracy
- Task completion
Sécurité
Le contenu est-il sûr et protégé contre les attaques ?
- Hate / unfairness
- Violence
- Protected material
- Indirect attack
Custom
Vos propres critères, mesurés sur vos dossiers.
- Exactitude des champs extraits
- Règles métier
Pricing · Data Zone Europe
Maîtrisez vos coûts, en Europe
100 % en Europe. Prix catalogue Azure en euros, hors taxes et hors remises.
DATA ZONEEUROPEtraitement UEDocument Intelligence
France CentralWest EuropeGermany West CentralSweden Central+ autres régions UE
Modèles GPT
Data Zone Standard · EULLM GPT (ex. GPT-5.6 Luna, GPT-4.1) : inférence limitée à la zone UE
Content Understanding
West EuropeNorth EuropeSweden Centralressource Foundry en région UE
Document Intelligence Recommandé
Facturé à la page, selon le modèle utilisé
Prix pour 1 000 pages, région France Central (paiement à l'usage, S0) :
| Compteur | Prix (EUR) |
|---|---|
| Paiement à l'usage (S0) | |
| Read : jusqu'à 1 M pages / mois | 1,32 / 1 000 pages |
| Read : au-delà de 1 M pages / mois | 0,53 / 1 000 pages |
| Layout et modèles prebuilt (facture, reçu, pièce d'identité…) | 8,80 / 1 000 pages |
| Custom extraction (template / neural) | 26,40 / 1 000 pages |
| Classifier custom | 2,64 / 1 000 pages |
| Add-ons (haute résolution, formules, polices…) | 5,28 / 1 000 pages |
| Entraînement de modèles custom | 2,64 / heure |
| Mapping par un LLM · exemple GPT-5.6 Luna (Data Zone Standard EU) | |
| GPT-5.6 Luna : entrée / sortie | 0,19 / 1,16 / 1 M tokens |
| ≈ 2 500 tokens d'entrée et 200 de sortie par page (estimation) | ≈ 0,72 / 1 000 pages |
| Volumes importants | |
| Commitment tiers : engagement mensuel avec remise (ex. custom 100 K pages : 21,12 € / 1 000 pages en dépassement) | sur devis |
| Batch : mêmes tarifs, traitement asynchrone de gros lots | idem |
Content Understanding Option
Facturé à l'usage : extraction + contextualisation + tokens du modèle
Coût d'une extraction de champs pour 1 000 pages scannées (layout + schéma de champs, avec confiance et grounding) :
–€ / 1 000 pages
| Compteur | Prix (EUR) |
|---|---|
| Extraction de contenu (documents) | |
| Layout / standard : PDF scannés, images (tableaux, structure) | 4,40 / 1 000 pages |
| Read / basic : OCR seul | 0,88 / 1 000 pages |
| Minimal : fichiers numériques (DOCX, XLSX, HTML, e-mails…) | 0,01 / 1 000 pages |
| Contextualisation (dès qu'un champ est extrait) | |
| Standard : 1 000 tokens par page ou image | 0,88 / 1 M tokens |
| Avancée (workflows avancés / agentiques) | 2,64 / 1 M tokens |
| Tokens du modèle (votre déploiement Data Zone EU) | |
| GPT-4.1-mini : entrée / sortie | 0,39 / 1,55 / 1 M |
| GPT-4.1 : entrée / sortie | 1,94 / 7,74 / 1 M |
| GPT-4.1-nano : entrée / sortie | 0,10 / 0,39 / 1 M |
| Autres modalités | |
| Images (photos de sinistre) : pas d'extraction de contenu, contextualisation + tokens | 0,88 / 1 000 images + tokens |
| Audio (ex. appel FNOL) : transcription | 0,32 / heure |
| Vidéo (ex. dashcam) | 0,88 / heure |
Aujourd'huipar dossier : lecture, saisie, contrôles, classement
Avec Document Intelligence + LLMpar dossier : validation des seules exceptions
Par dossier
Par gestionnaire
gagnées chaque jour *
Sur votre volume
–
Valeur du temps gagné
–
Ordre de grandeur constaté : chez UNIQA, le traitement d'un document de sinistre est passé de 15–30 min à 2–3 min. Forrester mesure un ROI de 327 % sur 3 ans pour Microsoft Foundry, avec un retour en moins de 6 mois.
Hypothèses : pages scannées. DI + LLM : prebuilt pour les pages standard, layout + mapping par un LLM (ex. GPT-5.6 Luna, ~2 500 tokens d'entrée et ~200 de sortie par page) pour les autres. DI custom : custom extraction pour les constats et expertises. Content Understanding : ~5 200 tokens d'entrée et ~180 de sortie par page avec confiance et grounding (ordre de grandeur de la documentation Microsoft), contextualisation standard. Hors périmètre : stockage, Azure AI Search, orchestration (Functions / Logic Apps), photos et audio. Source : API Azure Retail Prices, EUR, le (West Europe pour Content Understanding et les modèles Data Zone EU, France Central pour Document Intelligence). Prix susceptibles d'évoluer, à confirmer avec la calculatrice Azure. Les remises EA / MACC s'appliquent en sus.