OCR 4 : l'intelligence documentaire de nouvelle génération
Šajā lapā
Mis à jour le 2 novembre 2026 — OCR. La version OCR 4.0 (
mistral-ocr-4-0) a été retirée le 30 septembre 2026. Utilise OCR 4.1 (mistral-ocr-4-1), disponible généralement depuis le 31 août au même tarif, ou l’aliasmistral-ocr-latest, qui le cible depuis le 16 juillet. OCR 4.1 ajoute des scores de confiance au niveau des blocs.
Annoncée le 23 juin 2026, Mistral OCR 4 (v4.0) remplace OCR 3 en tant que service d’intelligence documentaire de Mistral, un domaine où l’éditeur revendique des performances de pointe. Derrière ce numéro de version se cache un changement qui impacte directement quiconque construit des pipelines documentaires : la sortie du modèle n’est plus seulement du texte, c’est un texte localisé et structuré.
Ce que livre réellement OCR 4
La description officielle d’OCR 4 met l’accent sur deux capacités de structuration, et il est utile de comprendre ce que chacune change concrètement.
La première concerne les cadres de délimitation au niveau des paragraphes. Chaque bloc de texte reconnu est désormais précisément localisé sur la page : le modèle ne se contente plus de dire « voici ce qui est écrit », il indique « voici ce qui est écrit, et voici exactement où ». Cette information de position peut sembler anecdotique jusqu’à ce que tu doives répondre à une question d’un auditeur ou d’un client : « d’où provient cette donnée ? ». Grâce aux coordonnées au niveau du paragraphe, tu peux surligner la zone exacte du document source d’où émane une réponse : c’est la traçabilité, et pour les cas d’usage liés à la conformité, c’est souvent la fonctionnalité qui fait pencher la balance lors d’une décision d’achat.
La seconde capacité concerne les blocs structurels : le document n’est pas renvoyé sous forme de texte plat, mais comme une structure — titres, paragraphes, tableaux, zones. La nuance est décisive. Un OCR classique renvoie un flux continu de caractères où le titre de section, la note de bas de page et la cellule d’un tableau se retrouvent concaténés dans l’ordre où le moteur les a rencontrés. OCR 4 renvoie un document typé, où chaque bloc sait ce qu’il est.
Pourquoi la structure compte autant que le texte
Prends le cas le plus courant en 2026 : un système RAG construit sur des PDF internes. La qualité de la réponse dépend directement de la qualité du découpage (chunking). Avec du texte plat, ce découpage devient source d’erreurs : un fragment peut couper un tableau en deux, coller la fin d’un paragraphe au titre de la section suivante, ou enfouir une note de bas de page au milieu d’une chaîne de raisonnement. Le modèle de langage en aval reçoit alors des fragments incohérents, et aucune ingénierie de prompt ne saura corriger un contexte mal découpé.
Avec des blocs typés et localisés, la situation s’inverse. Tu découpes le document selon ses limites naturelles — un paragraphe reste un paragraphe, un tableau se reconstitue en tant que tableau — et chaque fragment emporte ses coordonnées dans la page source. Le même raisonnement s’applique à l’extraction de données de factures ou à la numérisation d’archives : ce n’est pas la reconnaissance de caractères qui fait la différence entre un pipeline fiable et un pipeline fragile, c’est la fidélité de la structure renvoyée. C’est précisément là qu’OCR 4 se distingue de son prédécesseur.
Impact sur nos cours d’IA documentaire
Notre cours « Document AI & OCR » a été rédigé autour d’OCR 3, et nous devons être clairs sur ce qui vieillit et ce qui ne vieillit pas. L’approche enseignée — préparation des documents, qualité du scan, post-traitement des sorties — reste entièrement valable : ce sont des fondamentaux du travail documentaire, indépendants de la version du modèle. Cependant, la leçon consacrée au « modèle OCR 3 » décrit désormais la génération précédente. Garde cette règle de lecture en tête : OCR 4 appartient à la même famille d’API, avec une structure de sortie plus riche.
Un détail pratique mérite d’être répété, car il survit à toutes les mises à jour de version : la qualité d’entrée reste décisive. Un document numérisé en basse résolution, avec des taches ou un mauvais contraste, restera difficile à traiter, quelle que soit la sophistication du modèle. Avant de blâmer OCR 4 pour un résultat décevant, regarde d’abord ce que tu lui as donné à lire : c’est le premier réflexe du praticien, et cela évite bien des diagnostics erronés.
Source officielle : mistral.ai/news — annonce du 23 juin 2026, et docs.mistral.ai
Galvenās atziņas
- OCR 4 (v4.0) remplace OCR 3 en tant que modèle de référence pour les documents
- Innovations de structuration : cadres de délimitation au niveau des paragraphes et blocs structurels
- La structure améliore le RAG, l’extraction et la traçabilité des réponses
- La qualité du scan d’entrée reste le principal facteur de succès