Mistral lance OCR 4 : bounding boxes, 170 langues et déploiement self-hosted

Mistral AI lance OCR 4, un moteur de traitement intelligent des documents d'entreprise. Contrairement à ses prédécesseurs, le modèle ne renvoie pas seulement le texte extrait. Il produit une carte structurée complète du document : coordonnées des blocs, type de chaque bloc et score de confiance pour chaque mot.

Ce qui change dans la quatrième version

La nouveauté la plus attendue concerne les bounding boxes : chaque bloc de texte reçoit désormais des coordonnées précises sur la page. Les systèmes downstream peuvent ainsi surligner la source citée directement dans l'interface, construire des pipelines de données fiables et intégrer une vérification human-in-the-loop pour les documents sensibles. Jusqu'ici, la plupart des solutions d'OCR livraient un texte « à plat », sans lien avec sa position sur la page.

En plus des coordonnées, OCR 4 classe chaque bloc par type : titre, sous-titre, paragraphe, tableau, équation, légende d'image. Combinée aux scores de confiance inline, au niveau de la page comme de chaque mot, cette classification ouvre des usages radicalement nouveaux : citations rattachées précisément à leur source, caviardage automatique des données confidentielles, vérification des résultats pilotée par un opérateur.

Les pipelines RAG en profitent particulièrement. Les blocs classés deviennent des unités de retrieval de qualité, et les agents peuvent non seulement lire les documents, mais aussi agir à partir de leur contenu : remplir des formulaires, traiter des factures, mener des contrôles de compliance.

Caractéristiques techniques et tarifs

OCR 4 accepte les formats d'entreprise standard (PDF, DOC, PPT, OpenDocument) et prend en charge 170 langues réparties en 10 groupes linguistiques. Mistral met en avant un gain de qualité sur les langues rares et peu dotées, là où la plupart des systèmes concurrents se dégradent nettement.

Principales fonctionnalités :

• Bounding boxes : localisation précise de chaque bloc sur la page
• Typage des blocs : titres, tableaux, équations, légendes, images
• Scores de confiance : au niveau de la page et de chaque mot
• 170 langues réparties en 10 groupes linguistiques, y compris des langues peu dotées
• Déploiement single-container : le modèle complet tient dans un seul conteneur

Via l'API, le tarif s'élève à $4 les mille pages. Le traitement par lots via la Batch API bénéficie d'une remise de 50%, soit $2 les mille pages. Document AI dans Mistral Studio (interface no-code) est facturé $5 les mille pages.

Le déploiement self-hosted dans un seul conteneur s'adresse aux entreprises attachées à la souveraineté des données, à la conformité réglementaire et au traitement par lots à haut débit. La taille compacte du modèle le rend adapté aussi bien aux scénarios à budget serré qu'aux charges de traitement élevées.

Benchmarks et intégrations

Des annotateurs indépendants ont préféré OCR 4 à tous les systèmes d'OCR et de Document AI testés, avec un win rate moyen de 72%. Sur le benchmark public OlmOCRBench, le modèle obtient 85.20, le meilleur score parmi les solutions testées au moment de la publication.

«

Les systèmes downstream accèdent non seulement à ce qui est écrit dans le document, mais aussi à l'emplacement de chaque élément, à son rôle et au degré de confiance du modèle pour chaque zone de la page » : c'est ainsi que Mistral résume la philosophie de cette version.

OCR 4 est intégré à Mistral Search Toolkit, un framework open source de recherche d'entreprise annoncé lors de l'AI Now Summit. Il y sert de composant d'ingestion pour les pipelines RAG et l'enterprise search : la sortie structurée du modèle devient une entrée citation-ready pour les systèmes de retrieval, d'évaluation et de reranking des résultats.

Ce que cela signifie

Mistral fait passer la reconnaissance de documents du statut d'utilitaire d'appoint à celui de brique d'infrastructure des systèmes d'AI d'entreprise. Une sortie structurée avec coordonnées, types de blocs et scores de confiance offre précisément le niveau de détail dont les systèmes agentiques ont besoin pour traiter de façon fiable des documents réels. Les acteurs qui construisent des plateformes RAG et des solutions de document intelligence disposent d'un composant prêt à l'emploi, sans post-traitement supplémentaire.