Sortir un tableau propre de factures ou de PDF

#!/usr/bin/env bash
# ./tableau-factures.sh dossier-de-pdf
# Il faut pdftotext (paquet poppler). Les PDF doivent contenir du texte, pas être des scans.
# MOTEUR="codex exec --skip-git-repo-check" pour utiliser Codex
export LC_ALL=C   # sinon, sur un ordinateur en français, awk lit 4.50 comme 4
dossier="${1:-.}"; moteur="${MOTEUR:-claude -p --model haiku}"
command -v pdftotext >/dev/null || { echo "pdftotext est absent (brew install poppler)" >&2; exit 1; }
sortie="tableau-$(date +%Y%m%d-%H%M%S)"; mkdir -p "$sortie"
: > "$sortie/tableau.csv"; : > "$sortie/alertes.txt"

for pdf in "$dossier"/*.pdf; do
  nom="$(basename "$pdf")"
  pdftotext -layout "$pdf" "$sortie/$nom.txt"
  # Même texte, avec les montants écrits à l'anglaise : 1 250,00 devient 1250.00
  perl -pe 's/(?<=\d) (?=\d{3}\b)//g; s/(?<=\d),(?=\d)/./g' "$sortie/$nom.txt" > "$sortie/$nom.norm"
  consigne="Voici le texte d'une facture. Rends une ligne par ligne de facture
et une ligne par total, sous cette forme exacte, séparée par des points-virgules,
sans titre et sans commentaire :
TYPE;libellé;quantité;montant unitaire;montant
TYPE vaut LIGNE, HT, TVA ou TTC. Les montants s'écrivent avec un point
décimal, sans espace et sans le signe euro (1250.00). Pour un total, laisse
vides la quantité et le montant unitaire. Recopie les chiffres tels qu'ils sont
écrits, même s'ils te semblent faux.

$(cat "$sortie/$nom.txt")"
  $moteur "$consigne" < /dev/null 2>>"$sortie/erreurs.log" |
    tr -d '`' | grep -E "^(LIGNE|HT|TVA|TTC);" | sed "s|^|$nom;|" >> "$sortie/tableau.csv"
done

echo "== Tableau =="; cat "$sortie/tableau.csv"; echo

# Contrôle 0 : chaque PDF a donné des lignes, et aucune ligne n'est en double
for pdf in "$dossier"/*.pdf; do
  nom="$(basename "$pdf")"
  grep -q "^$nom;" "$sortie/tableau.csv" || echo "AUCUNE LIGNE LUE : $nom (relancer)" >> "$sortie/alertes.txt"
done
sort "$sortie/tableau.csv" | uniq -d | sed 's/^/LIGNE EN DOUBLE : /' >> "$sortie/alertes.txt"

# Contrôle 1 : chaque montant du tableau est écrit dans le PDF
while IFS=';' read -r f type lib q pu m; do
  for v in "$q" "$pu" "$m"; do
    [ -n "$v" ] || continue
    a="${v#-}"
    grep -qE "(^|[^0-9.])-?${a//./\\.}([^0-9]|$)" "$sortie/$f.norm" ||
      echo "ABSENT DU PDF : $f, $lib $type, valeur $v" >> "$sortie/alertes.txt"
  done
done < "$sortie/tableau.csv"

# Contrôle 2 : quantité x montant = montant ; lignes = HT ; HT + TVA = TTC
awk -F';' '
  { f=$1; t=$2 }
  t=="LIGNE" { s[f]+=$6
      if ($4*$5 - $6 > 0.005 || $6 - $4*$5 > 0.005)
        printf "CALCUL FAUX : %s, %s : %s x %s ne fait pas %s\n", f,$3,$4,$5,$6 }
  t=="HT" { ht[f]=$6 } t=="TVA" { tva[f]+=$6 } t=="TTC" { ttc[f]=$6 }
  END { for (f in ht) {
      d=s[f]-ht[f]; if (d>0.005||d<-0.005)
        printf "TOTAL FAUX : %s : les lignes font %.2f, la facture dit HT %.2f\n", f,s[f],ht[f]
      d=ht[f]+tva[f]-ttc[f]; if (d>0.005||d<-0.005)
        printf "TTC FAUX : %s : %.2f + %.2f ne fait pas %.2f\n", f,ht[f],tva[f],ttc[f]
      n++ } printf "Factures lues : %d\n", n }' "$sortie/tableau.csv" >> "$sortie/alertes.txt"

echo "== Alertes =="; cat "$sortie/alertes.txt"
echo "Détail dans le dossier $sortie"