Qu’est-ce que Nemotron OCR v2 ?
Nemotron OCR v2 est un modèle de reconnaissance de texte de la gamme NeMo Retriever de NVIDIA, publié sur Hugging Face en avril 2026. Comme le pipeline classique de PaddleOCR, ce n'est pas un modèle vision-langage : un détecteur convolutif RegNetX-8GF trouve les régions de texte, un petit reconnaisseur Transformer les lit, et un module relationnel les regroupe en lignes et en paragraphes dans l'ordre de lecture. Il renvoie des boîtes, du texte et des scores de confiance.
Il existe en deux variantes. Le modèle anglais compte 53,8 millions de paramètres et travaille au niveau du mot ; le modèle multilingue en compte 83,9 millions et lit des lignes entières en anglais, chinois simplifié et traditionnel, japonais, coréen et russe à partir d'un seul jeu de 14 244 caractères. L'entraînement a utilisé environ 680 000 images réelles et plus de 11 millions de pages synthétiques, publiées comme dataset sous CC BY 4.0.
Les poids sont sous la NVIDIA Open Model License, qui autorise l'usage commercial. Il exige Linux et un GPU NVIDIA, et le paquet compile une extension CUDA à l'installation.
Nemotron OCR v2 vaut-il le coup ?
Nemotron OCR v2 échange la précision contre le débit, et les propres chiffres de NVIDIA montrent les deux côtés. Sur un A100, le modèle multilingue tourne à 34,7 pages par seconde, contre 1,2 pour PaddleOCR v5 server et 1,5 pour OpenOCR, ce que NVIDIA décrit comme plus de 28 fois plus rapide. Sur le même test de découpes d'OmniDocBench, sa distance d'édition normalisée est de 0,048 en anglais, 0,072 en chinois et 0,142 sur du texte mixte, là où PaddleOCR v5 obtient 0,027, 0,037 et 0,041 ; plus c'est bas, mieux c'est, donc Paddle est nettement plus précis sur de vrais documents.
Le gain multilingue est réel mais mesuré sur le terrain de NVIDIA. Sur des pages synthétiques SynthDoG, il bat PaddleOCR dans toutes les langues, avec une erreur qui passe de 0,923 à 0,047 en coréen par rapport à la v1. Ces pages de test viennent d'un générateur proche du pipeline d'entraînement synthétique de NVIDIA, dont le code modifié n'est pas encore public, considérez donc l'écart comme un maximum.
Il en fait aussi moins par page que les parseurs VLM à côté desquels il se trouve. Pas de structure de tableau, pas de LaTeX ni de Markdown, seulement des boîtes, du texte et l'ordre de lecture, et les pages pivotées le pénalisent : l'erreur du modèle multilingue sur du texte pivoté de 270 degrés est de 0,332. La variante anglaise est inutilisable sur le chinois, à 0,830.
Le déploiement est le point fort de NVIDIA. Il est fourni sous forme de conteneur NIM, d'endpoint d'essai hébergé et d'exemple Docker Compose, et la licence autorise l'usage commercial sans plafond de chiffre d'affaires. Une équipe de recherche documentaire qui indexe des millions de pages surtout en anglais peut les faire passer sur un seul GPU en quelques heures plutôt qu'en quelques jours ; une équipe qui a besoin des tableaux ou de la meilleure précision au caractère devrait l'associer à PP-OCRv6 ou à un parseur VLM, ou les lui préférer.
Là où il fait la différence
Un ingénieur plateforme qui construit un index RAG sur 5 millions de PDF internes
Extraire le texte et l'ordre de lecture assez vite pour réindexer chaque semaine
Faites tourner le modèle multilingue dans le conteneur NIM ou le pipeline Python sur des A100. Aux 34,7 pages par seconde de NVIDIA, un GPU traite environ 125 000 pages par heure, si bien que 5 millions de pages demandent environ 40 heures GPU.
Un développeur dans une place de marché d'e-commerce d'Asie de l'Est
Lire des photos de produits et des étiquettes en chinois, japonais et coréen
Utilisez la variante multilingue, qui lit les cinq langues avec un seul modèle et sans étape de détection de langue, et conservez les scores de confiance pour signaler les images de mauvaise qualité ; vérifiez les images pivotées, qui obtiennent les pires scores dans le tableau de NVIDIA.
Avant de vous engager
- Mise en route
- Clonez le dépôt Hugging Face avec git-lfs, installez la version de PyTorch correspondant à votre toolkit CUDA, puis pip install --no-build-isolation sous Python 3.12 ; ou lancez l'exemple Docker Compose avec le NVIDIA Container Toolkit.
- Intégrations
- API Python nemotron_ocr avec modes détecteur seul et sans module relationnel ; endpoint hébergé sur build.nvidia.com ; conteneur NIM sur NGC dans le cadre de NeMo Retriever.
- Données et confidentialité
- NVIDIA Open Model License, usage commercial autorisé ; en auto-hébergement, les images restent en local. L'essai hébergé est régi par les NVIDIA API Trial Terms of Service.
- Coût à grande échelle
- 34,7 pages par seconde (multilingue) ou 40,7 (anglais) sur un A100 dans le pipeline par lots de NVIDIA ; le mode détecteur seul utilise environ 37 % de mémoire GPU en moins. Le prix de production de NIM n'est pas publié sur la page du modèle.
- Limites
- Linux amd64 avec GPU NVIDIA Ampere ou plus récents uniquement ; Python 3.12 exactement ; les images inline hébergées doivent faire moins de 180 000 caractères en base64 ; les séquences du reconnaisseur sont plafonnées à 128 caractères.
Les points forts
- 34,7 pages par seconde sur un A100 pour le modèle multilingue
- 84M de paramètres avec regroupement selon l'ordre de lecture et scores de confiance
- Usage commercial autorisé sous la NVIDIA Open Model License
- Jeu d'entraînement synthétique de plus de 11 millions de pages publié sous CC BY 4.0
Les points faibles
- Erreur plus élevée que PaddleOCR v5 sur OmniDocBench dans le propre tableau de NVIDIA
- Pas de sortie en tableaux, formules ou Markdown
- Linux et GPU NVIDIA uniquement ; compile une extension CUDA à l'installation
- Gains multilingues mesurés surtout sur des pages synthétiques SynthDoG
Idéal pour
Les équipes de recherche documentaire et de RAG sur matériel NVIDIA qui doivent extraire rapidement du texte brut de très gros volumes de pages, avec une licence compatible avec l'usage commercial.
Alternatives à Nemotron OCR v2
Nemotron OCR v2 : questions fréquentes
- Nemotron OCR v2 vaut-il le coup ?
- Nemotron OCR v2 est de loin l'OCR ouvert le plus rapide de cette liste, d'un ordre de grandeur, mais sur le propre benchmark documentaire de NVIDIA il lit moins précisément que le PaddleOCR v5 qu'il distance. Nous lui donnons 3.8 sur 5.
- Combien coûte Nemotron OCR v2 ?
- Gratuit sous la NVIDIA Open Model License, usage commercial autorisé. API d'essai sur build.nvidia.com ; prix du conteneur NIM non publié sur la page du modèle.
- Quels sont les inconvénients de Nemotron OCR v2 ?
- Erreur plus élevée que PaddleOCR v5 sur OmniDocBench dans le propre tableau de NVIDIA; pas de sortie en tableaux, formules ou Markdown; linux et GPU NVIDIA uniquement ; compile une extension CUDA à l'installation; gains multilingues mesurés surtout sur des pages synthétiques SynthDoG.
- À qui s’adresse Nemotron OCR v2 ?
- Les équipes de recherche documentaire et de RAG sur matériel NVIDIA qui doivent extraire rapidement du texte brut de très gros volumes de pages, avec une licence compatible avec l'usage commercial.
- Combien coûte Nemotron OCR v2 pour une équipe ou en production ?
- 34,7 pages par seconde (multilingue) ou 40,7 (anglais) sur un A100 dans le pipeline par lots de NVIDIA ; le mode détecteur seul utilise environ 37 % de mémoire GPU en moins. Le prix de production de NIM n'est pas publié sur la page du modèle.
- Nemotron OCR v2 est-il sûr pour les données de l’entreprise ?
- NVIDIA Open Model License, usage commercial autorisé ; en auto-hébergement, les images restent en local. L'essai hébergé est régi par les NVIDIA API Trial Terms of Service.
- Quelles sont les meilleures alternatives à Nemotron OCR v2 ?
- Les alternatives les plus proches que nous avons testées sont PP-OCRv6, PaddleOCR-VL-1.6, Surya OCR 2.5 et DeepSeek-OCR 2.
Réponses vérifiées le 2 nov. 2026.