Le désordre financier est souvent symbolisé par un carton rempli de reçus jaunis. Pour les travailleurs indépendants, les propriétaires de petites entreprises ou les personnes rigoureuses dans la gestion de leur budget, la saisie manuelle des dépenses est une tâche longue et sujette aux erreurs. Les outils traditionnels de reconnaissance optique de caractères (OCR) offraient une solution partielle, mais leur rigidité les rendait inefficaces face à des reçus froissés, mal éclairés ou de format inhabituel. Aujourd’hui, grâce aux progrès de l’intelligence artificielle, il est possible d’aller plus loin. Cet article présente la technologie utilisée dans Receipt Lens, une application iOS que j’ai développée pour résoudre ce problème. Elle ne se contente pas de scanner des reçus : elle les comprend. En intégrant l’IA multimodale puissante de Google, Gemini, l’application transforme une simple photo en données financières structurées et exploitables. Voici comment ce processus fonctionne, du moment où l’utilisateur prend une photo avec son appareil photo jusqu’à l’analyse par l’IA. Les reçus ne sont pas seulement des textes : ils sont des documents structurés, chargés de contexte. Un scanner OCR classique peut extraire les mots, mais il a souvent du mal à interpréter leur organisation, comme les prix, les dates ou les noms des articles. C’est là que l’IA multimodale entre en jeu. Elle combine la compréhension du texte avec l’analyse des images, permettant à l’application de reconnaître non seulement les mots, mais aussi leur position, leur format et leur sens dans le document. Pour créer Receipt Lens, j’ai utilisé le modèle Gemini de Google, qui est capable de traiter à la fois des images et du texte. L’idée était de concevoir un système capable de comprendre une photo de reçu, de l’analyser, puis de la convertir en un format organisé, comme un fichier JSON. Cela impliquait de bien formuler les instructions données à l’IA, un processus appelé « prompt engineering ». Le premier défi était de guider l’IA pour qu’elle identifie les éléments clés d’un reçu, comme le nom du magasin, la date, les articles achetés et leur prix. Pour cela, j’ai conçu un prompt précis, qui demandait à Gemini de « reconnaître les informations clés d’un reçu et les structurer en JSON ». J’ai aussi ajouté des exemples de reçus pour l’aider à comprendre les variations de format. Une fois que l’IA avait identifié ces informations, le défi suivant était de les transmettre à l’application iOS. J’ai utilisé Swift, le langage de programmation Apple, pour créer une interface intuitive. L’utilisateur prend une photo, l’application envoie l’image à Gemini, qui retourne les données structurées, puis l’application les affiche de manière lisible. Le résultat est une application qui va au-delà de la simple extraction de texte. Elle permet à l’utilisateur de gérer ses dépenses de manière efficace, en les organisant automatiquement. Cela réduit le temps passé à la saisie manuelle et diminue le risque d’erreurs. L’intégration de l’IA multimodale dans une application mobile n’est pas chose facile. Elle exige une bonne gestion des données, une optimisation des performances et une interface utilisateur fluide. Mais grâce à la puissance de Gemini et à la flexibilité de Swift, j’ai réussi à créer un outil utile et innovant. Cette expérience a montré que l’intelligence artificielle peut transformer des tâches simples en solutions intelligentes. Ce n’est pas seulement une question de technologie, mais aussi de design et d’expérience utilisateur. En combinant l’image et le texte, l’IA peut comprendre des documents complexes et les rendre exploitables. Receipt Lens est une preuve de concept : elle montre comment les technologies d’IA peuvent améliorer la vie quotidienne, en particulier pour ceux qui gèrent leurs finances de manière autonome. Avec des progrès continus dans le domaine de l’apprentissage automatique, on peut s’attendre à voir de plus en plus d’outils capables de traiter des documents de manière intelligente et intuitive.