Aller au contenu
ReviewRamble

La lettre hebdomadaire

L’IA, évaluée, dans votre boîte mail.

  • Les nouveaux tests d’outils, de modèles, de serveurs MCP et de dépôts, avec le verdict en premier
  • Les prix et les notes revérifiés quand quelque chose change
  • Les nouvelles analyses dès leur publication

Modèles, agents, serveurs MCP et les outils qui méritent vraiment votre temps.

Un e-mail par semaine. Désinscrivez-vous avec le lien présent dans chaque lettre. Comment nous utilisons votre e-mail

Reconnaissance optique de caractères

La reconnaissance optique de caractères (OCR) est un logiciel qui lit le texte dans des images, comme des pages numérisées, des photos ou des captures d'écran, et le transforme en caractères lisibles par une machine, que l'on peut rechercher, copier ou fournir à un modèle.

Aussi appelé : OCR

Par Divya Sharma · Vérifié le 15 nov. 2026 · Notre méthode

Un contrat numérisé est une image, pas du texte. Tant que l'OCR n'a pas tourné, un index de recherche ou un modèle de langage n'y voit rien. L'OCR est donc la première étape du parsing de documents pour tout document numérisé ou photographié.

Comment ça marche

Les moteurs classiques repèrent les lignes de texte sur la page, puis reconnaissent les caractères de chaque ligne. Tesseract en est l'exemple open source de longue date : la version 4 a ajouté un moteur à réseau de neurones (LSTM) centré sur des lignes entières, et il prend en charge plus de 100 langues. Les modèles d'OCR modernes vont plus loin et lisent l'image d'une page entière avec un transformer ou un modèle vision-langage, en produisant du Markdown avec des titres et des tableaux plutôt que de simples lignes.

Exemple

Une équipe qui indexe d'anciennes factures papier lance l'OCR pour obtenir le texte, utilise l'analyse de mise en page pour garder les lignes de facture dans l'ordre, et seulement ensuite découpe le résultat pour la recherche. Les tests de modèles d'OCR comme Mistral OCR 4 et Surya OCR 2.5 couvrent les compromis entre vitesse et précision.

Limites

La précision baisse sur les numérisations basse résolution, l'écriture manuscrite, les polices inhabituelles et les écritures mélangées. Les moteurs classiques renvoient du texte sans structure, si bien que les tableaux ressortent en lignes désordonnées. L'OCR à base de modèles gère mieux la structure mais peut produire un texte fluide qui ne figure pas sur la page : vérifiez donc par sondage en comparant avec l'image. L'OCR n'est pas nécessaire pour les PDF qui contiennent déjà une couche de texte.

Termes liés

Analyse de documents
L'analyse de documents (document parsing) convertit des fichiers comme des PDF, des numérisations, des diapositives et des tableurs en texte structuré exploitable par un logiciel, en conservant les titres, l'ordre de lecture, les tableaux et les images au lieu d'un flux plat de caractères.
Modèle vision-langage
Un modèle vision-langage (vision-language model, VLM) est un modèle qui reçoit des images et du texte en entrée et produit du texte, si bien qu'il peut décrire des images, répondre à des questions à leur sujet, lire des documents et extraire des données de captures d'écran.
Analyse de la mise en page
L'analyse de la mise en page (layout analysis) est la partie de l'analyse de documents qui repère les zones d'une page, comme les titres, paragraphes, tableaux, figures, légendes et pieds de page, attribue une étiquette à chacune et détermine l'ordre dans lequel une personne les lirait.
Extraction de tableaux
L'extraction de tableaux (table extraction) consiste à repérer les tableaux dans des documents et à reconstruire leurs lignes, colonnes, en-têtes et cellules sous forme de données structurées, comme du HTML, du Markdown ou du CSV, plutôt que de lignes de texte éparses.
Modèle multimodal
Un modèle multimodal est un modèle d'IA capable de recevoir, et parfois de produire, plusieurs types de données, comme du texte, des images, de l'audio ou de la vidéo, au sein d'un seul modèle plutôt que par des systèmes séparés.

Sources