Qu’est-ce que PP-OCRv6 ?
PP-OCRv6 est la sixième génération du pipeline de reconnaissance de texte PaddleOCR de Baidu, sortie le 11 juin 2026 avec PaddleOCR 3.7.0 et un rapport technique sur arXiv. Ce n'est pas un modèle vision-langage : un détecteur trouve les lignes de texte et un reconnaisseur séparé lit chacune d'elles. Il existe en trois niveaux : tiny avec 1,5 million de paramètres, small avec 7,7 millions et medium avec 34,5 millions, composé d'un détecteur de 15,5M et d'un reconnaisseur de 19M.
Les trois partagent un nouveau bloc de style MetaFormer. Le reconnaisseur medium associe un backbone LCNetV4 à un neck d'attention SVTR léger et à des têtes de décodage CTC et NRTR. Un seul modèle de reconnaissance couvre le chinois, l'anglais, le japonais et les langues à écriture latine ; les notes de version indiquent 50 langues, la présentation de la fiche du modèle en indique 48.
Il renvoie des lignes de texte avec boîtes et scores de confiance, pas du Markdown. Les tableaux, les formules et l'ordre de lecture exigent les modèles de mise en page et de structure séparés de PaddleOCR ou PaddleOCR-VL.
PP-OCRv6 vaut-il le coup ?
PP-OCRv6 est le moyen le mieux pris en charge de lire de simples lignes de texte sans GPU, avec la réserve que ses chiffres de précision viennent des benchmarks internes de Baidu. Sur ceux-ci, le niveau medium obtient 86,2 % de Hmean en détection et 83,2 % de précision en reconnaissance, 4,6 et 5,1 points au-dessus de PP-OCRv5_server. Baidu indique que le niveau tiny tourne 3,9 fois plus vite que PP-OCRv5_mobile sur un Intel Xeon à précision similaire, et les notes de version citent 0,13 seconde par image sur un A100.
La comparaison avec les grands modèles demande une lecture attentive. Les tableaux de Baidu placent GPT-5.5 à 64,2, Gemini 3.1 Pro à 71,4 et Qwen3-VL-235B à 74,9 en reconnaissance, contre 83,2 pour le niveau medium, et les modèles généralistes obtiennent des scores bien plus bas en détection parce qu'ils n'ont jamais été conçus pour renvoyer des boîtes serrées autour des lignes de texte. Cela montre qu'un spécialiste l'emporte sur l'OCR au niveau des lignes, pas que PP-OCRv6 analyse les documents mieux qu'un VLM.
Le seul point de comparaison externe est indirect. Sur le classement indépendant BHL de 2 165 pages de livres anciens, le reconnaisseur PP-OCRv6-medium de kraken, la même architecture entraînée sur un autre corpus, se classe 9e sur 26 avec un taux d'erreur de caractères de 0,0338 et le meilleur score diplomatique du classement, sans aucune page en boucle. Les responsables du classement indiquent que le PP-OCRv6 de Baidu sera ajouté dès que son exécution atteindra leur niveau d'exigence.
L'adoption est large. En cinq mois, le hub Hugging Face recense des fine-tunes communautaires pour l'arabe, le vietnamien, le cyrillique, l'hébreu et le texte de mangas, ainsi que des portages vers MLX, LiteRT, ExecuTorch et Rust. Face à PaddleOCR-VL-1.6 ou MiniCPM-OCR 1.0, il renonce aux tableaux, aux formules et au Markdown, et en échange tourne sur du matériel où ces modèles ne tournent pas.
Là où il fait la différence
Un développeur mobile dans une application de suivi des dépenses de 12 personnes
Lire les reçus sur le téléphone sans envoyer d'images à un serveur
Livrez le niveau tiny ou small via un portage communautaire LiteRT ou ExecuTorch. Avec 1,5M à 7,7M de paramètres, les modèles tiennent dans le paquet de l'application, et Apache 2.0 autorise l'usage commercial sans frais.
Un ingénieur de production qui lit des numéros de série et des codes matriciels sur une ligne de fabrication
Faire l'OCR d'étiquettes industrielles sur des PC de ligne sans GPU
Faites tourner le pipeline PaddleOCR avec le détecteur et le reconnaisseur medium sur CPU via OpenVINO. Baidu annonce 73,3 % sur son jeu de détection industrielle et 77,4 % en reconnaissance industrielle, validez donc sur vos propres étiquettes avant de supprimer les contrôles manuels.
Un data engineer qui construit un index de recherche sur des millions de pages numérisées
Extraire le texte brut à bas coût avant d'envoyer les pages difficiles à un VLM
Lancez d'abord PP-OCRv6 et n'envoyez à PaddleOCR-VL-1.6 que les pages peu fiables ou chargées en tableaux. Chaque ligne porte un score de confiance, qui fournit un seuil naturel d'escalade.
Avant de vous engager
- Mise en route
- Installez PaddlePaddle, puis pip install paddleocr (3.7+), et lancez paddleocr ocr -i image.png avec les noms du détecteur et du reconnaisseur PP-OCRv6 ; les builds ONNX évitent le runtime PaddlePaddle.
- Intégrations
- CLI et API Python de PaddleOCR avec modules facultatifs d'orientation et de redressement ; ONNX et safetensors sur Hugging Face ; OpenVINO sur CPU ; portages communautaires MLX, GGUF, LiteRT, ExecuTorch et Rust.
- Données et confidentialité
- Apache 2.0 pour les poids et le code ; tout tourne en local, donc les images ne quittent jamais votre matériel.
- Coût à grande échelle
- Les poids sont gratuits et minuscules, si bien que des serveurs CPU sont viables ; Baidu cite une inférence CPU 5,2 fois plus rapide avec OpenVINO, 6,1 fois sur un Apple M4 pour le niveau tiny, et 0,13 seconde sur un A100.
- Limites
- Sortie au niveau des lignes uniquement ; ni mise en page, ni tableaux, ni formules sans modules PaddleOCR supplémentaires ; l'écriture manuscrite et le texte artistique restent les catégories les plus faibles dans les propres tableaux de Baidu.
Les points forts
- De 1,5M à 34,5M de paramètres ; tourne sur CPU, téléphones et cartes embarquées
- Niveau medium à 83,2 % en reconnaissance, 5,1 points au-dessus de PP-OCRv5_server (interne)
- Ne boucle jamais : la version de kraken a traité chacune des 2 165 pages du BHL
- Apache 2.0, avec des builds ONNX et safetensors pour chaque niveau
Les points faibles
- Lignes de texte et boîtes uniquement ; ni tableaux, ni formules, ni Markdown
- Tous les scores mis en avant viennent des benchmarks internes de Baidu
- Les notes de version indiquent 50 langues, la fiche du modèle 48
- Faible sur l'écriture manuscrite : 62,1 % en chinois et 67,8 % en anglais pour le niveau medium
Idéal pour
Les ingénieurs qui ont besoin d'un OCR de lignes de texte rapide et bon marché sur CPU, téléphones ou appareils embarqués, ou comme première étape de leur propre pipeline documentaire.
Alternatives à PP-OCRv6
PP-OCRv6 : questions fréquentes
- PP-OCRv6 vaut-il le coup ?
- PP-OCRv6 lit des lignes de texte sur un CPU ou un téléphone pour une fraction du coût d'un VLM, tant que vous n'avez besoin que des mots et pas de la structure de la page. Nous lui donnons 4.1 sur 5.
- Combien coûte PP-OCRv6 ?
- Gratuit sous Apache 2.0. Aucun prix hébergé publié par l'éditeur.
- Quels sont les inconvénients de PP-OCRv6 ?
- Lignes de texte et boîtes uniquement ; ni tableaux, ni formules, ni Markdown; tous les scores mis en avant viennent des benchmarks internes de Baidu; les notes de version indiquent 50 langues, la fiche du modèle 48; faible sur l'écriture manuscrite : 62,1 % en chinois et 67,8 % en anglais pour le niveau medium.
- À qui s’adresse PP-OCRv6 ?
- Les ingénieurs qui ont besoin d'un OCR de lignes de texte rapide et bon marché sur CPU, téléphones ou appareils embarqués, ou comme première étape de leur propre pipeline documentaire.
- Combien coûte PP-OCRv6 pour une équipe ou en production ?
- Les poids sont gratuits et minuscules, si bien que des serveurs CPU sont viables ; Baidu cite une inférence CPU 5,2 fois plus rapide avec OpenVINO, 6,1 fois sur un Apple M4 pour le niveau tiny, et 0,13 seconde sur un A100.
- PP-OCRv6 est-il sûr pour les données de l’entreprise ?
- Apache 2.0 pour les poids et le code ; tout tourne en local, donc les images ne quittent jamais votre matériel.
- Quelles sont les meilleures alternatives à PP-OCRv6 ?
- Les alternatives les plus proches que nous avons testées sont Nemotron OCR v2, PaddleOCR-VL-1.6, Surya OCR 2.5 et MiniCPM-OCR 1.0.
Réponses vérifiées le 2 nov. 2026.
Vous éditez PP-OCRv6 ? Affichez cette note sur votre site
