Qu’est-ce que dots.ocr ?
dots.ocr est un modèle ouvert d'analyse de documents de rednote hi lab, le groupe IA de Xiaohongshu, sorti le 30 juillet 2025 sous licence MIT. Un seul modèle vision-langage gère à la fois la détection de la mise en page et la lecture : il renvoie la boîte englobante, la catégorie et le texte de chaque bloc, avec les tableaux en HTML, les formules en LaTeX et tout le reste en Markdown, dans l'ordre de lecture. L'API de Hugging Face compte 3,04 milliards de paramètres, un modèle de langage de 1,7 milliard de paramètres plus un encodeur visuel de 42 couches.
Les poids se trouvent désormais sous l'organisation dots-studio sur Hugging Face et le code sous studio-dots-ai sur GitHub, où le dernier commit date du 24 mars 2026. Un checkpoint de base a suivi le 31 octobre 2025, et en mars 2026 l'équipe a publié dots.mocr, un successeur de même taille qui convertit aussi les graphiques et figures en SVG.
dots.ocr vaut-il le coup ?
dots.ocr était un parseur solide à son lancement et n'est plus qu'un parseur moyen. Sa fiche annonce 79,1 sur olmOCR-bench et un TEDS de tableaux de 88,6 en anglais sur l'OmniDocBench d'origine, devant MinerU, Marker et Gemini 2.5 Pro à l'époque. Ce sont les chiffres de ses créateurs, certains repris des projets MonkeyOCR et olmOCR et d'autres issus d'essais internes, avec les en-têtes et pieds de page retirés avant la notation.
Des concurrents plus récents l'ont depuis réévalué et placé plus bas. La comparaison de FireRedTeam le place à 88,41 sur OmniDocBench v1.5, derrière DeepSeek-OCR 2 à 91,09 et PaddleOCR-VL à 92,86, et à 71,0 sur les tableaux de PubTabNet. Sur les pages réelles difficiles de FireRedBench, il obtient 72,93. Ces chiffres viennent de concurrents qui ont intérêt au résultat, mais ils vont dans la même direction.
Sa force distinctive est l'étendue des langues. Le dots.ocr-bench interne couvre 1 493 pages PDF dans 100 langues, et l'équipe y annonce une distance d'édition globale de 0,177 contre 0,251 pour Gemini 2.5 Pro. Dans le même rapport, la détection de mise en page bat DocLayout-YOLO, 0,831 contre 0,733 de F1. Aucun test multilingue indépendant n'existe, si bien que l'affirmation repose sur un benchmark construit par ses créateurs.
L'exploitation a mal vieilli. Le servir avec vLLM implique de modifier le lanceur vllm avec sed pour enregistrer le modèle, d'enregistrer les poids dans un répertoire sans points dans le nom et d'activer trust_remote_code ; les évaluations de la fiche elle-même utilisaient vLLM 0.9.1. La section des limites prévient que des suites de points de suspension ou de tirets bas peuvent faire boucler la sortie sans fin, que les images ne sont pas analysées et que le modèle n'est pas optimisé pour le traitement de gros volumes de PDF. dots.mocr, publié par la même équipe en mars 2026 à la même taille, comble la lacune sur les images et obtient 84,0 sur olmOCR-bench dans la comparaison Falcon OCR de TII.
Là où il fait la différence
Un prestataire de localisation qui traite des manuels numérisés dans des dizaines de langues
Extraire le texte avec les positions de mise en page de documents dans des écritures peu dotées
Le prompt de mise en page renvoie boîtes, catégories et texte dans l'ordre de lecture en un seul appel. L'avance multilingue est mesurée sur le propre benchmark de 1 493 pages de l'équipe, validez donc d'abord sur un échantillon de vos langues.
Un ingénieur ML avec un pipeline dots.ocr déjà en production
Décider de le garder ou de migrer
Les prompts et le schéma de sortie sont stables, mais dots.mocr, de la même équipe, a la même taille et ajoute l'analyse des graphiques et des figures. Un essai comparatif sur vos propres pages coûte moins cher qu'un changement fondé sur la réputation.
Une chercheuse en IA documentaire qui construit une référence de détection de mise en page
Comparer un détecteur de mise en page VLM à des détecteurs de type YOLO
Le prompt de détection seule annonce 0,845 de F1 contre 0,733 pour DocLayout-YOLO sur le benchmark de l'équipe, et les poids sous MIT peuvent être affinés sans question de licence.
Avant de vous engager
- Mise en route
- Python 3.12, torch 2.7.0 sur CUDA 12.8, pip install -e . depuis le dépôt GitHub, puis un script de téléchargement ; ou l'image Docker rednotehilab/dots.ocr construite sur l'image vLLM officielle.
- Intégrations
- Serveur vLLM avec une API de style OpenAI après un correctif du lanceur, Transformers avec flash-attention 2, modes de prompt pour l'analyse complète de mise en page, la détection seule, l'OCR simple et l'OCR ancré sur une boîte.
- Données et confidentialité
- Auto-hébergé, donc les documents restent sur votre matériel. La licence MIT autorise tout usage ; le chargement exécute du Python provenant du dépôt du modèle.
- Coût à grande échelle
- Les poids sont gratuits et pèsent environ 6 GB en BF16 pour 3,04 milliards de paramètres ; l'équipe ne publie aucun chiffre de débit et indique que le modèle n'est pas encore optimisé pour de gros volumes de PDF.
- Limites
- Meilleur en dessous de 11 289 600 pixels par image ; un rendu à 200 DPI est recommandé ; des caractères spéciaux répétés peuvent provoquer une sortie sans fin ; les images sont ignorées ; aucune mise à jour des poids depuis le 31 octobre 2025.
Les points forts
- Boîtes de mise en page, catégories et texte avec un seul modèle
- Avance multilingue annoncée sur un benchmark interne de 100 langues
- Licence MIT
- 422 506 téléchargements sur Hugging Face au cours des 30 derniers jours
Les points faibles
- Benchmarks autodéclarés ; les réévaluations externes le placent derrière des modèles plus récents
- Remplacé par dots.mocr de la même équipe
- La configuration vLLM demande un correctif sed et trust_remote_code
- Peut boucler sur des points de suspension et des tirets bas ; les images ne sont pas analysées
Idéal pour
Les équipes qui ont déjà des pipelines dots.ocr, ou qui ont besoin de boîtes englobantes et d'un ordre de lecture pour des langues peu dotées avec un seul modèle sous licence MIT.
Alternatives à dots.ocr
dots.ocr : questions fréquentes
- dots.ocr vaut-il le coup ?
- Il a rendu crédible en 2025 l'analyse de mise en page par un seul modèle, mais fin 2026, c'est la version que ses propres créateurs ont remplacée. Nous lui donnons 3.6 sur 5.
- Combien coûte dots.ocr ?
- Gratuit sous licence MIT. Pas d'API hébergée par l'éditeur.
- Quels sont les inconvénients de dots.ocr ?
- Benchmarks autodéclarés ; les réévaluations externes le placent derrière des modèles plus récents; remplacé par dots.mocr de la même équipe; la configuration vLLM demande un correctif sed et trust_remote_code; peut boucler sur des points de suspension et des tirets bas ; les images ne sont pas analysées.
- À qui s’adresse dots.ocr ?
- Les équipes qui ont déjà des pipelines dots.ocr, ou qui ont besoin de boîtes englobantes et d'un ordre de lecture pour des langues peu dotées avec un seul modèle sous licence MIT.
- Combien coûte dots.ocr pour une équipe ou en production ?
- Les poids sont gratuits et pèsent environ 6 GB en BF16 pour 3,04 milliards de paramètres ; l'équipe ne publie aucun chiffre de débit et indique que le modèle n'est pas encore optimisé pour de gros volumes de PDF.
- dots.ocr est-il sûr pour les données de l’entreprise ?
- Auto-hébergé, donc les documents restent sur votre matériel. La licence MIT autorise tout usage ; le chargement exécute du Python provenant du dépôt du modèle.
- Quelles sont les meilleures alternatives à dots.ocr ?
- Les alternatives les plus proches que nous avons testées sont PaddleOCR-VL-1.6, DeepSeek-OCR 2, FireRed-OCR et Falcon OCR.
Réponses vérifiées le 2 nov. 2026.