Départ 23/11Cohorte 3 en direct Vibe Coding & Agents IA : 3 semaines, 9 sessions liveCohorte 3 (23/11) →
SortieAnalyse · Sur le radarCloudflare AI Blog→ original

Cloudflare ouvre le modèle Clairic : la précision sur les reçus passe de 64% à 100%

Cloudflare ouvre les poids de ses modèles Clairic (27 milliards de paramètres) et Clairic-flash (9 milliards). Ils extraient d'un reçu, d'une facture ou d'un PDF les champs utiles : fournisseur, lignes, montant. Cette routine était souvent confiée à un gros LLM, coûteux. Lors d'un test interne portant sur 576 champs de reçus synthétiques, la nouvelle Clairic a rempli 100% des champs correctement, contre 64% pour la préversion, avec une réponse en moins d'une seconde. Si vous traitez un flux de documents homogènes, comparez-la à votre LLM sur des fichiers réels.

Traité par IA depuis Cloudflare AI Blog ; édité par Hamidun News
Cloudflare ouvre le modèle Clairic : la précision sur les reçus passe de 64% à 100%
Source : Cloudflare AI Blog. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireCloudflare AI Blog ↗
Rédacteur en chef
Prix0,24 $ par million de tokens d'entrée pour Clairic, 0,10 $ pour flash
Chiffre clé #2Jusqu'au 1er décembre 2026, les deux modèles sont facturés 0,10 $ par million de tokens
Les tests sont internes et auto-déclarésvérifiez sur vos propres documents

Chaque produit a sa tâche ingrate : extraire d'un e-mail, d'une facture ou d'une photo de reçu le fournisseur, les lignes et le montant total. On la confie généralement à un grand modèle de langage, ce qui revient cher et n'a rien de rapide. Cloudflare propose une autre voie : de petits modèles qui ne savent faire qu'une chose, extraire des champs.

L'entreprise a mis à jour Clairic (27 milliards de paramètres), lancé une version allégée, Clairic-flash (9 milliards), et ouvert les poids des deux sur Hugging Face. Lors d'un test interne portant sur 576 champs de reçus synthétiques, la nouvelle Clairic a rempli correctement 100% des champs, contre 64% pour la préversion (369 sur 576). Pour un développeur, cela signifie qu'il peut tester un modèle spécialisé pour l'analyse de reçus, de demandes et de factures, au lieu d'un LLM généraliste.

Ce que savent faire les modèles et ce qui change

Vous décrivez les champs voulus, envoyez du texte, une image ou des pages de PDF, et vous recevez une réponse typée. Pour chaque champ, vous obtenez un score de confiance, la position des caractères dans le texte source et des probabilités. Cette interface reste identique à celle de la préversion : il n'y a donc pas à réécrire l'intégration.

La principale nouveauté est la lecture des PDF. Une seule requête peut demander le fournisseur, les lignes et le total, même s'ils se trouvent sur des pages différentes. Le modèle accepte jusqu'à quatre images ou pages. Les lignes de tableau sont renvoyées de sorte que description, quantité et prix restent groupés.

La génération a elle aussi changé. Auparavant, tous les champs étaient remplis en une seule passe. Désormais, les champs textuels et numériques ordinaires sont générés en parallèle, mais chaque champ s'appuie sur les tokens qu'il a déjà écrits et s'arrête à son propre marqueur de fin. Les champs sont traités en un seul lot, si bien que la latence n'augmente presque pas. Des « têtes » distinctes ont été entraînées pour les scores, les prévisions, les délais, les dates calculées et l'arithmétique. Le modèle de 9 milliards de paramètres de la préversion a déménagé vers l'adresse @cf/cloudflare/clairic-flash, tandis que @cf/cloudflare/clairic sert désormais la version à 27 milliards.

Les chiffres : précision et vitesse

Sur le test avec des champs textuels inédits (96 requêtes, 336 champs), Clairic a répondu correctement dans 99,7% des cas (335 sur 336), Clairic-flash dans 97,6% (328) et la préversion dans 87,8% (295). Côté concurrents, D1.2 de Liquid AI, associé à Apple Vision pour la reconnaissance de texte, atteint 90,5% (304), et Extract de Scaledown 77,1% (259). Sur les vérifications clients suivies (1 263 points), les deux nouveaux modèles obtiennent 100%, contre 81,8% pour la préversion (1 033). Sur le test mixte texte et images (226 champs), Clairic atteint 97,8% (221), flash 94,2% (213) et la préversion 91,6% (207).

La vitesse a été mesurée sur un serveur propre à Cloudflare, et non via Workers AI, en incluant toute la réponse HTTP. Sur les champs textuels inédits, la médiane de Clairic est de 358 ms et le 95e centile (le seuil sous lequel répondent 95% des requêtes) de 736 ms ; pour flash, on obtient 155 et 328 ms. Avec des images, Clairic répond en 453 ms en médiane et 976 ms au 95e centile, flash en 305 et 605 ms. Le calcul de crédits prend 395 ms pour Clairic et 188 ms pour flash, la prévision de trafic 532 et 243 ms.

Quelques réserves s'imposent. Il n'existe pas encore de benchmarks publics pour l'extraction de données ; les tests sont internes, et Cloudflare elle-même les présente comme un repère. Les 100% parfaits ont été obtenus sur des reçus synthétiques, plus simples que de vraies photos froissées. Le billet de blog contient aussi une incohérence : il affirme que les erreurs de lecture d'images sont passées de 207 à 0, mais le 207 du tableau correspond au nombre de champs corrects de la préversion, et non à un nombre d'erreurs.

Tarifs et marche à suivre

Clairic coûte 0,24 $ par million de tokens d'entrée, Clairic-flash 0,10 $. Les tokens de sortie ne sont pas facturés : Cloudflare en prend le coût à sa charge. Jusqu'au 1er décembre 2026, les deux modèles sont vendus 0,10 $, puis Clairic reviendra à 0,24 $. Si vous utilisiez l'endpoint de la préversion, il basculera automatiquement vers le nouveau modèle.

La conclusion pratique est simple. Si vous traitez un flux de documents homogènes (reçus, demandes de support, baux, factures), passez Clairic-flash et Clairic sur vos propres fichiers, puis comparez précision et coût avec votre LLM actuel. Les poids ouverts permettent de déployer le modèle chez soi ou de l'affiner sur ses propres formats. Pour les tâches ponctuelles et mal définies, un LLM généraliste reste plus pratique.

Cloudflare a par ailleurs présenté l'équipe Workers AI Superintelligence, qui développe les modèles maison de l'entreprise, dont Clef, sorti précédemment.

Dossier

Questions clés sur cet article

Que sait-on sur Ce que savent faire les modèles et ce qui change ?

Vous décrivez les champs voulus, envoyez du texte, une image ou des pages de PDF, et vous recevez une réponse typée. Pour chaque champ, vous obtenez un score de confiance, la position des caractères dans le texte source et des probabilités. Cette interface reste identique à celle de la préversion : il n'y a donc pas à réécrire l'intégration. La principale nouveauté est la lecture des PDF. Une seule requête peut demander le fournisseur, les lignes et le total, même s'ils se trouvent sur des pages différentes.

Que sait-on sur Les chiffres : précision et vitesse ?

Sur le test avec des champs textuels inédits (96 requêtes, 336 champs), Clairic a répondu correctement dans 99,7% des cas (335 sur 336), Clairic-flash dans 97,6% (328) et la préversion dans 87,8% (295). Côté concurrents, D1.2 de Liquid AI, associé à Apple Vision pour la reconnaissance de texte, atteint 90,5% (304), et Extract de Scaledown 77,1% (259). Sur les vérifications clients suivies (1 263 points), les deux nouveaux modèles obtiennent 100%, contre 81,8% pour la préversion (1 033).

Que sait-on sur Tarifs et marche à suivre ?

Clairic coûte 0,24 $ par million de tokens d'entrée, Clairic-flash 0,10 $. Les tokens de sortie ne sont pas facturés : Cloudflare en prend le coût à sa charge. Jusqu'au 1er décembre 2026, les deux modèles sont vendus 0,10 $, puis Clairic reviendra à 0,24 $. Si vous utilisiez l'endpoint de la préversion, il basculera automatiquement vers le nouveau modèle. La conclusion pratique est simple.

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
Qu'en pensez-vous ?
Chargement des commentaires…