Mistral OCR 4.1 peut désormais pointer vers le paragraphe exact qu'il lit

L’OCR 4.1 de Mistral a fait la une de Hacker News jeudi, ce qui est inhabituel pour un lecteur de documents. OCR signifie reconnaissance optique de caractères, le travail ancien et peu glamour consistant à transformer une numérisation ou un PDF en texte avec lequel un ordinateur peut travailler. La nouvelle version ajoute trois éléments qui semblent techniques mais qui s’avèrent très importants : des cadres de délimitation au niveau des paragraphes, des étiquettes de blocs structurels et des scores de confiance par bloc.

En clair : lorsque le modèle lit une page, il ne se contente plus de rendre un mur de texte. Il vous indique d’où vient chaque paragraphe sur la page, sous forme de coordonnées. Il indique ce qu’est chaque bloc, dans treize catégories, notamment le titre, la liste, le tableau, l’image, l’équation et le code. Et il joint un numéro indiquant à quel point il est sûr de chaque bloc, au niveau de la page, du bloc ou du mot, en fonction de ce que vous demandez.

Cette combinaison est ce qui rend une réponse vérifiable. Si vous pointez un outil d’IA sur un contrat de 200 pages et demandez quel est le délai de préavis, la version utile de cette réponse n’est pas seulement « trois mois ». Il s’agit de « trois mois », plus un surlignage à la page 143 montrant exactement la phrase d’où cela vient. Les boîtes englobantes permettent à un outil de dessiner ce point culminant. Les scores de confiance permettent à un pipeline automatisé de signaler les pages qu’un humain devrait consulter au lieu de deviner tranquillement. OCR 4.1 est en préversion publique depuis le 16 juillet et coûte 3,50 € pour 1 000 pages, ou 4,38 € pour 1 000 pages avec des annotations structurées, via le même point de terminaison /v1/ocr, avec traitement par lots pris en charge.

Que se passe-t-il réellement ici

La lecture de documents est le lieu où se déroule réellement une grande partie du travail réel de l’IA, bien loin des gros titres des chatbots. Factures, contrats, réclamations d’assurance, articles scientifiques, formulaires gouvernementaux : tout cela arrive sous forme de PDF et de numérisation, et rien de tout cela n’est utile à un modèle jusqu’à ce que quelqu’un le transforme en texte structuré. La raison pour laquelle cette version s’appuie si fortement sur les citations et la confiance est que le marché a appris à ses dépens qu’une réponse de l’IA que personne ne peut vérifier est une réponse de l’IA que personne n’approuvera. Mistral est une entreprise française, ce qui compte ici d’une manière pratique pour les lecteurs : la résidence européenne des données est une option normale plutôt qu’une demande particulière. Deux mises en garde honnêtes : il s’agit toujours d’un aperçu public et le prix est par page, donc une archive volumineuse s’additionne rapidement. Cent mille pages coûtent 350 €.

Ce que cela signifie pour vous: si vous disposez d’une étagère de documents numérisés et que vous vous demandez si l’IA peut enfin en faire quelque chose, c’est cette couche qui fait que cela fonctionne. Vous n’utiliserez probablement pas l’API directement, mais les outils documentaires que vous utilisez sont construits sur des services comme celui-ci, et vous savez maintenant quoi leur demander : peut-il me montrer d’où vient la réponse ? Si ce n’est pas le cas, soyez plus prudent avec ce qu’il vous dit.

Sources

• Carte modèle OCR 4.1 (Mistral AI)
• Documentation du processeur OCR (Mistral AI)
• Mistral OCR 4 : SOTA OCR pour l’intelligence documentaire (Mistral AI)