C'est la demande que nous entendons le plus souvent, parfois sous la forme d'un fichier de dépenses qui n'a jamais porté de code, parfois sous la forme d'une pile de factures PDF qui n'est même pas encore devenue un fichier de dépenses. Ce guide décrit le processus réel : comment Pearstop transforme l'un ou l'autre point de départ en un jeu de données codé UNSPSC, ce qu'un pilote mesure avant de vous engager sur le fichier complet, et pourquoi la classification ne provient pas simplement du fait de demander à un modèle quel devrait être un code.
Deux situations différentes se présentent. Pearstop couvre les deux, et ne vous demande pas de faire plus que l'étape dont vous avez réellement besoin.
Certains clients détiennent des années d'historique d'achats sous forme de factures PDF scannées ou exportées, et rien d'autre. Avant qu'un code UNSPSC ne soit possible, ces données doivent devenir des lignes : fournisseur, description, quantité, prix unitaire, date. Pearstop extrait les champs spécifiés pour les factures de votre secteur directement depuis les PDF, de sorte que le résultat prend la forme d'un fichier de dépenses normal plutôt que d'un dossier de documents que personne ne peut interroger.
D'autres clients disposent déjà d'un fichier de dépenses structuré, exporté depuis SAP, Oracle ou un système P2P, ou tenu à la main. Si c'est votre cas, l'étape d'extraction PDF est entièrement ignorée et la classification démarre directement sur le fichier que vous avez déjà.
Ce sont deux workflows distincts, pas un seul pipeline tout-ou-rien. Si vous n'avez besoin que de l'étape de classification, c'est ce que vous obtenez. Si vous avez besoin des deux, l'extraction PDF s'exécute d'abord et la classification s'exécute sur ce qui en résulte.
À partir de là, le processus est le même quel que soit votre point de départ.
Nous générons une taxonomie d'achats à quatre niveaux pour vos dépenses et l'ancrons à la hiérarchie UNSPSC officielle, ainsi qu'à NACE lorsque votre secteur l'exige. Cette taxonomie est ce sous quoi chaque ligne finira par se ranger, pas seulement un code renvoyé par ligne.
Nous faisons passer un échantillon représentatif d'environ 500 lignes dans le moteur, à titre de pilote, sans frais. C'est suffisamment petit pour être vérifié à la main et suffisamment grand pour démontrer une précision réelle, pas une poignée d'exemples faciles.
Votre équipe vérifie l'échantillon par rapport à ce qu'elle sait de vos propres données et corrige ce qui est faux. C'est de cette étape que provient le véritable signal : non pas si le moteur peut produire un code, mais si vos propres équipes achats sont d'accord avec lui.
Chaque correction est enregistrée en association avec le fournisseur et le schéma de description qui l'a produite. Le système retient, par exemple, que la ligne « gants » de ce fournisseur désigne toujours des gants de nettoyage, pas des gants médicaux, sans que cela doive être reprécisé.
Une fois le pilote corrigé et la mémoire en place, nous exécutons la classification sur l'ensemble du fichier. Les lignes correspondant à un schéma fournisseur connu passent avec la mémoire déjà appliquée. Les nouveaux schémas passent quant à eux par les mêmes règles, vérifications de mots-clés et couche LLM que le pilote.
Les résultats reviennent sous forme de fichier Excel, ou via une connexion API directe vers votre ERP, de sorte que les données classifiées arrivent là où votre équipe travaille déjà plutôt que dans un outil séparé.
Chaque ligne reçoit la hiérarchie complète, pas un simple code : segment, famille, classe, et le code de produit de base UNSPSC réel à 8 chiffres, chacun avec son intitulé en langage clair, afin qu'un relecteur puisse voir ce que signifie un code sans avoir à le rechercher séparément.
Collez une description dans un modèle généraliste et demandez un code UNSPSC, il vous en donnera un. Il vous en donnera également un lorsqu'aucun code réel ne convient vraiment, car un modèle de langage répond à la question posée plutôt que d'admettre qu'il ne sait pas. C'est un code halluciné : confiant, précis, et difficile à repérer sur un tableur qui en est plein.
Pearstop ne demande pas un code à un modèle pour prendre la réponse telle quelle. La description passe par une couche de classification IA et LLM, mais le code que cette couche propose est ensuite vérifié par rapport au jeu de données UNSPSC réel lui-même, chaque segment, famille, classe et produit de base, avant d'être accepté. Si un code proposé n'existe pas dans la norme réelle, il est rejeté plutôt que présenté comme un résultat.
Parallèlement à cette vérification, des règles de mots-clés déterministes captent les schémas qui n'ont besoin d'aucun modèle. Une base de données spécifique au fournisseur restreint le champ des possibles avant que la classification ne commence, de la même façon que savoir qu'un fournisseur vend des composants électriques exclut les pièces d'irrigation. La mémoire spécifique au fournisseur, construite à partir de vos propres corrections vérifiées, signifie que la deuxième fois qu'un schéma apparaît, il n'a plus besoin d'être raisonné depuis le début. Et lorsque vos propres données portent déjà une certaine structure de catégories, groupes d'achats, codes de grand livre, étiquettes existantes, cette structure est utilisée pour restreindre et vérifier le résultat, plutôt que de repartir de zéro comme si le fichier n'avait pas d'historique.
Ce qui reste après les règles, la base de données fournisseur, la mémoire et la validation fait encore l'objet d'une vérification de confiance. Tout élément à faible confiance est signalé à une personne, et non renvoyé comme un fait établi.
Si vous testez cela, nous recommandons toujours de mesurer trois éléments, pas seulement si cela « a fonctionné ».
La part des lignes échantillonnées où le code renvoyé correspond à ce que vos propres relecteurs auraient choisi.
La répartition entre les lignes que le moteur était suffisamment confiant pour compléter seul, et les lignes qu'il a signalées à une personne. Un pilote qui auto-classifie tout sans rien signaler n'est pas plus précis. Il ne se vérifie simplement pas lui-même.
Si le résultat atteint le niveau segment, famille, classe, ou le niveau complet de produit de base à 8 chiffres. Un code qui n'atteint que le segment vous indique qu'il s'agissait d'un service de maintenance. Un code qui atteint le produit de base vous indique qu'il s'agissait spécifiquement de maintenance d'ascenseurs, le niveau dont vous avez besoin pour comparer des fournisseurs ou alimenter un champ ERP qui attend un véritable code de produit de base.
Chaque ligne qui passe par un nouvel appel LLM coûte des tokens, et l'usage de tokens est ce qui détermine le coût de la classification par IA. Au début d'un jeu de données, la plupart des lignes sont nouvelles : nouveaux fournisseurs, nouvelles descriptions de pièces, rien en mémoire encore pour raccourcir le raisonnement.
Cela change à mesure que le volume augmente. La mémoire spécifique au fournisseur signifie qu'un schéma de description n'a besoin que d'un seul passage LLM complet. Une fois cette correction enregistrée, les schémas récurrents du même fournisseur sont comparés à la mémoire plutôt que raisonnés à nouveau. À faible volume, presque rien ne se répète, donc presque chaque ligne coûte le prix plein. À grand volume, les mêmes fournisseurs et les mêmes descriptions de pièces reviennent constamment, si bien qu'une part de plus en plus réduite des lignes nécessite un nouvel appel au modèle. Le coût par enregistrement baisse parce que le système fait moins de nouveau raisonnement par enregistrement, pas à cause d'un prix par token plus faible.
Paste any product or service description and get the correct 8-digit code instantly — or explore the full UNSPSC tree to understand the hierarchy.
Vous avez besoin de transformer 100 000 transactions d'achats en une seule taxonomie cohérente alignée sur UNSPSC. C'est exactement ce pour quoi c'est conçu.
Vous avez besoin que chaque référence ou ligne porte un véritable code UNSPSC à 8 chiffres que vous pouvez charger dans votre ERP. C'est exactement ce pour quoi c'est conçu, aussi.
La classification UNSPSC par IA part d'une description d'achat — issue d'un fichier de dépenses structuré ou extraite d'une facture PDF — et lui attribue le bon code commodité UNSPSC à 8 chiffres. Bien faite, cela ne consiste pas à demander un code à un modèle de langage et à faire confiance à la réponse telle quelle. Le moteur de Pearstop propose un code via une couche LLM, puis valide ce code par rapport au véritable jeu de données UNSPSC avant de l'accepter, combine cela avec des règles de mots-clés déterministes et une base de données propre à chaque fournisseur, et conserve chaque correction humaine comme mémoire spécifique au fournisseur, afin de ne pas devoir raisonner deux fois sur le même cas. Un pilote gratuit d'environ 500 lignes permet à un client de vérifier la précision, la répartition entre classification automatique et lignes signalées pour révision, ainsi que la profondeur atteinte dans la hiérarchie à quatre niveaux, avant que le même processus ne s'applique à l'ensemble du jeu de données.
C'est le premier point de départ couvert par ce guide. Si votre historique d'achats n'existe que sous forme de factures PDF, Pearstop extrait d'abord les champs spécifiés pour les factures de votre secteur directement depuis ces PDF, afin que vous obteniez un fichier de dépenses structuré avant que la classification ne commence.
Un modèle généraliste directement interrogé pour un code UNSPSC répondra même lorsqu'aucun code ne convient vraiment, car il est conçu pour produire une réponse, pas pour admettre une incertitude. Pearstop vérifie chaque code proposé par rapport au jeu de données UNSPSC réel avant de l'accepter, combine cela avec des règles, une base de données fournisseur et une mémoire spécifique au fournisseur, et signale malgré tout les lignes à faible confiance pour une vérification humaine. Sur des jeux de données d'achats typiques, cela atteint 90 à 95 % de classification automatique, le reste étant vérifié par une personne plutôt que deviné.
Oui. Les données classifiées s'exportent vers Excel, ou se connectent directement via API à SAP, Oracle et d'autres plateformes ERP ou P2P. De nombreux clients commencent par un export Excel ou CSV et passent à une connexion directe une fois la classification validée.
Nous classons un échantillon représentatif d'environ 500 lignes de vos données, sans frais. Votre équipe vérifie et corrige cet échantillon, et ces corrections deviennent la mémoire spécifique au fournisseur que l'exécution sur l'ensemble du jeu de données utilise ensuite.
Vous pouvez le faire vous-même, et pour une poignée de lignes, c'est un moyen raisonnable d'obtenir une première réponse. Cela ne s'adapte pas à l'échelle, et cela ne vérifie pas son propre travail : il n'y a aucune validation par rapport au véritable jeu de codes UNSPSC, aucune mémoire fournisseur qui s'améliore avec le volume, et aucune étape de vérification intégrée pour les lignes mal classées. Pearstop est conçu pour faire tout cela sur un fichier complet, pas sur une seule ligne.
Il apprend. Les corrections issues du pilote sont enregistrées comme mémoire spécifique au fournisseur, de sorte qu'un schéma de description de pièce déjà vérifié pour un fournisseur donné n'a pas besoin d'être à nouveau raisonné par le LLM la prochaine fois qu'il apparaît.
NACE est la classification statistique européenne des activités économiques. Lorsque le reporting ou le benchmarking sectoriel d'un client repose sur NACE en plus d'UNSPSC, la taxonomie que nous construisons s'ancre aux deux, pas seulement à UNSPSC seul.
Parlez à un commercial, ou testez d'abord une description sur l'outil de recherche gratuit.
