Introduzione al Document AI e all'OCR intelligente
In questa pagina
Aggiornamento del 2 novembre 2026 — Le Chat diventa Vibe. Dal 28 maggio 2026, Le Chat è stato rinominato Vibe (sempre all’indirizzo chat.mistral.ai): un unico agente per lavoro e codice, che mantiene le tue conversazioni, impostazioni e abbonamenti. L’esperienza legacy di Le Chat rimane accessibile nella modalità Chat; nella modalità Work, gli agenti sono diventati competenze (invocate con
@), le memorie costituiscono la base di conoscenza e la ricerca approfondita è ora la competenza Deep Research. I piani si chiamano ora Mistral Free, Pro, Team ed Enterprise. Questa lezione utilizza il nome Vibe; alcuni menu qui descritti potrebbero aver cambiato nome o posizione.
Molto più di un semplice lettore di documenti
Nella sezione Visione hai visto che Vibe può leggere il testo presente in un’immagine. Tuttavia, quando si tratta di elaborare documenti complessi — un PDF multipagina, un modulo scansionato, un report finanziario costellato di tabelle nidificate — ti serve uno strumento specializzato. È esattamente ciò che offre il Document AI di Mistral, potenziato dal motore OCR 3. Questa lezione getta le basi per l’intera sezione: capire cos’è l’OCR, come l’approccio di Mistral si discosti dalle soluzioni classiche e, soprattutto, quando usarlo al posto della Visione.
OCR sta per Riconoscimento Ottico dei Caratteri (Optical Character Recognition). È la tecnologia che converte un’immagine contenente testo — che sia una scansione, una foto o un PDF basato su immagini — in testo digitale utilizzabile: testo che puoi copiare, cercare o analizzare come qualsiasi documento nato in formato digitale. Le poste in gioco sono quotidiane: pensa a quella fattura che un collega ti ha inviato come foto, o a quel contratto scansionato dieci anni fa in cui devi trovare una clausola specifica. Senza OCR, questi documenti sono immagini mute.
Perché l’OCR classico non bastava
L’OCR esiste da decenni, ma le soluzioni tradizionali — Tesseract è l’esempio più noto — soffrivano di limitazioni significative che chiunque abbia mai scansionato un documento conosce bene. Il layout andava perso: il testo usciva disordinato, ignorando la struttura del documento, trasformando un report accuratamente organizzato in un ammasso informe di paragrafi. Le tabelle venivano ignorate, con colonne e righe mescolate al punto da rendere i dati inutilizzabili. La calligrafia rimaneva quasi illeggibile. I documenti multilingue producevano risultati scarsi non appena ci si allontanava dall’inglese. E le immagini incorporate nel testo — grafici, diagrammi — venivano semplicemente ignorate.
Il motore OCR 3 di Mistral cambia completamente le regole del gioco, e la ragione risiede nella sua architettura. Invece di utilizzare tecniche classiche di riconoscimento dei caratteri, si basa su un modello linguistico multimodale (VLM) addestrato specificamente per comprendere i documenti. La differenza è fondamentale: l’OCR classico riconosce singoli caratteri e cerca di assemblarli in parole, un po’ come qualcuno che decifra lettera per lettera senza capire la frase. L’OCR potenziato dall’IA di Mistral, al contrario, comprende il documento nel suo insieme: la sua struttura, il contenuto e il contesto. Di fronte a una parola parzialmente cancellata, può inferirla dal contesto, proprio come farebbe un lettore umano.
In pratica, Document AI estrae il testo da PDF, immagini e documenti scansionati preservando il layout originale. Ricostruisce le tabelle con le loro intestazioni, colonne e dati, producendo un Markdown pulito. Legge la calligrafia: note dei medici, moduli compilati a mano, annotazioni a margine. Elabora documenti multilingue con alta precisione in molte lingue, descrive immagini e grafici contenuti nel documento generando didascalie testuali e comprende il contesto a sufficienza per rispondere a domande sul contenuto.
OCR 3 in numeri
In termini di prestazioni, il motore offre una precisione all’avanguardia nei benchmark per il riconoscimento del testo, la calligrafia e le tabelle. Elabora fino a 2.000 pagine al minuto su una singola GPU: abbastanza per ingerire interi archivi. Accetta molteplici formati: PDF, Word, immagini scansionate e foto di varia qualità. E il suo output è strutturato: il risultato è un Markdown pulito con immagini referenziate, non testo grezzo che necessita di rielaborazione.
In cosa differisce dalla Visione di Vibe?
Potresti chiederti: «Perché non caricare semplicemente il mio PDF su Vibe e usare la Visione?». È una domanda legittima, e la risposta struttura l’intero tuo flusso di lavoro. La Visione di Vibe, trattata nella prima sezione di questo corso, è perfetta per analizzare una singola immagine isolata — una foto, un grafico, uno screenshot. Ma per documenti multipagina con layout complessi, Document AI offre vantaggi decisivi: elaborazione pagina per pagina con ricostruzione della struttura globale del documento, estrazione di tabelle fedele all’originale piuttosto che approssimativa, annotazioni e metadati che puoi richiedere esplicitamente — autore, data, importi — e un vero Q&A sui documenti per file di grandi dimensioni.
Ricorda questa regola pratica: per una singola immagine con testo, la Visione è sufficiente; per un documento multipagina che vuoi analizzare in profondità, mobilita Document AI. Un avvocato che fotografa una clausola per farla spiegare usa la Visione; lo stesso avvocato che carica l’intero contratto di 40 pagine per verificarne gli obblighi usa Document AI.
Nelle prossime lezioni di questa sezione, imparerai come caricare un PDF su Vibe e ottenere un’estrazione automatica, estrarre dati strutturati — tabelle, intestazioni, cifre — da qualsiasi documento e poi porre domande sul contenuto di un documento per ottenere risposte precise.
Punti chiave
- Document AI è la soluzione di Mistral per l’elaborazione intelligente dei documenti, potenziata da OCR 3
- A differenza dell’OCR classico, OCR 3 comprende la struttura e il contesto del documento
- Gestisce tabelle, calligrafia, documenti multilingue e immagini incorporate
- Per una semplice immagine, usa la Visione; per un documento complesso, usa Document AI
- L’elaborazione è veloce: fino a 2.000 pagine al minuto