Mistral AI dévoile OCR 4 : une nouvelle référence en matière d'intelligence documentaire

Mistral AI a officiellement lancé OCR 4, un nouveau modèle sophistiqué conçu pour transformer la manière dont les machines interprètent les documents numériques complexes. En allant au-delà de la simple extraction de texte, ce modèle promet de redéfinir les standards du traitement de documents dans les flux de travail automatisés et l'intégration d'agents IA.

Au-delà du texte brut : classification avancée par blocs

Contrairement aux outils traditionnels de reconnaissance optique de caractères (OCR) qui se contentent d'extraire du texte brut, OCR 4 introduit une compréhension structurelle profonde de la mise en page des documents. Le modèle est capable d'identifier les coordonnées spatiales précises des éléments sur une page et de leur attribuer des rôles fonctionnels spécifiques.

Cela signifie que le modèle peut distinguer les titres, les tableaux, les équations mathématiques complexes et même les signatures manuscrites. En effectuant cette « classification par blocs », OCR 4 segmente automatiquement les documents en sections structurées et cohérentes. Pour les développeurs et les ingénieurs de données, il s'agit d'une avancée cruciale, car elle permet une ingestion de données plus propre lors de l'alimentation des systèmes RAG (Retrieval-Augmented Generation) ou des agents IA autonomes nécessitant un contexte de haute fidélité.

Une précision prouvée lors de tests en aveugle

Pour valider ses performances, Mistral a mené un test en aveugle rigoureux portant sur plus de 600 documents. Les résultats ont été frappants : des examinateurs indépendants ont préféré OCR 4 aux modèles concurrents du secteur dans 72 % des cas de test. Cette préférence souligne la capacité supérieure du modèle à gérer les nuances qui déroutent souvent les moteurs OCR traditionnels.

De plus, OCR 4 offre une transparence granulaire grâce à des scores de confiance. Pour chaque mot ou page traité, le modèle fournit une estimation de son degré de certitude. Cette fonctionnalité est essentielle pour les applications de classe entreprise, où les décisions à enjeux élevés nécessitent une vérification humaine (« human-in-the-loop ») si la confiance du modèle descend en dessous d'un certain seuil.

Support multilingue et accessibilité

Les barrières linguistiques restent un obstacle majeur dans le traitement mondial des documents, mais OCR 4 vise à combler cette lacune avec la prise en charge de 170 langues. Mistral affirme que le modèle maintient une grande précision, même lors du traitement de langues moins courantes ou à faibles ressources, ce qui en fait un outil polyvalent pour les entreprises internationales.

Le modèle est déjà accessible aux développeurs et aux entreprises via plusieurs plateformes, notamment la Mistral API, Mistral Studio et Microsoft Foundry. Mistral a également mis en place une structure tarifaire compétitive pour encourager l'adoption : le modèle coûte 4 $ par tranche de 1 000 pages pour les requêtes en temps réel, tandis qu'un mode par lots (batch) plus économique est disponible à 2 $ par tranche de 1 000 pages.

Pourquoi cela est important pour l'écosystème de l'IA

La sortie d'OCR 4 marque un passage de la simple « lecture » de texte à la « compréhension » de l'architecture des documents. À mesure que les LLM gagnent en capacité, le goulot d'étranglement de l'intelligence réside souvent dans la qualité des données qui leur sont fournies. En fournissant des données structurées, classifiées et à haut niveau de confiance à partir de fichiers PDF, Word et PowerPoint, Mistral fournit le « carburant » de haute qualité nécessaire à la prochaine génération d'applications d'IA axées sur le raisonnement.

Points clés à retenir

• Intelligence structurelle : OCR 4 utilise la classification par blocs pour identifier les titres, les tableaux et les équations, plutôt que de simplement extraire du texte brut.
• Performance supérieure : Lors de tests en aveugle sur plus de 600 documents, le modèle a été préféré à ses concurrents dans 72 % des cas.
• Prêt pour l'entreprise : Prend en charge 170 langues et propose une tarification structurée via l'API et Microsoft Foundry, à partir de 2 $ par tranche de 1 000 pages en mode batch.