Baidu publie Unlimited-OCR 2 : le modèle reconnaît 5026 pages en une seule passe
L'OCR, c'est la reconnaissance du texte sur des scans et des photos. Or les longs documents sont généralement découpés page par page, si bien qu'un tableau qui se poursuit à la page suivante se désagrège. Unlimited-OCR 2 de Baidu lit les PDF, les scans et les photos dans leur intégralité et se souvient des pages précédentes. En une seule passe, il a traité les sept romans de Harry Potter, soit plus de 3600 pages, et dans un autre test, un document de 5026 pages. Pour numériser des archives, cela réduit le travail de recollage manuel.
Traité par IA depuis TG: @notboring_tech (Not Boring Tech) ; édité par Hamidun News
Imaginez qu'il vous faille transformer en texte une archive de plusieurs milliers de pages. Les logiciels de reconnaissance de texte (OCR, c'est-à-dire « on photographie la page et on obtient les lettres ») traitent en général chaque page séparément. Résultat : un tableau qui commence sur une page et se poursuit sur la suivante devient deux morceaux sans lien, et il faut le reconstituer à la main ou avec des scripts.
Unlimited-OCR 2, publié en accès libre dans le dépôt GitHub de Baidu, s'attaque à ce problème : selon sa description, il lit le document dans son ensemble et conserve en mémoire ce qui figurait sur les pages précédentes. Dans la démonstration, le modèle a traité en une seule passe les sept livres de Harry Potter, soit plus de 3600 pages, et dans un autre test, il a pris en charge un document de 5026 pages.
Ce que sait faire Unlimited-OCR 2
Le modèle est distribué gratuitement, avec un code source ouvert. D'après la description, il extrait de PDF, de scans et de simples photographies non seulement le texte continu, mais aussi les tableaux et les formules. C'est un point important : tableaux et mathématiques sont justement ce qui se brise le plus souvent en reconnaissance, pour devenir une bouillie de caractères.
La principale particularité annoncée est la conservation du contexte d'une page à l'autre. Si un tableau se poursuit sur la double page suivante, le modèle comprend qu'il s'agit du même tableau et non de deux tableaux distincts. Prenons un bilan comptable de quarante pages : un OCR classique produirait quarante fragments isolés, tandis qu'ici la sortie doit former une structure cohérente.
Comment le modèle gère des milliers de pages
Plus un document est long, plus il faut de mémoire pour le « garder en tête ». Les auteurs affirment qu'Unlimited-OCR 2 économise cette mémoire : il ne relit pas tout le document à chaque fois, mais n'accède qu'aux fragments nécessaires. Pour donner une image, c'est comme un lecteur qui, pour retrouver une citation, n'reprend pas le livre depuis la première page, mais ouvre directement son marque-page.
Les chiffres des démonstrations sont impressionnants. Les sept livres de Harry Potter représentent plus de 3600 pages, et le modèle les a traités en une seule passe. Dans un autre test, il a absorbé un document de 5026 pages. De tels volumes doivent d'ordinaire être découpés en de nombreuses exécutions distinctes, puis recollés ; ici, selon les concepteurs, cette étape n'est pas nécessaire.
À qui cela peut servir
Les premiers usages évidents sont les suivants :
- bibliothèques et archives qui numérisent livres et anciennes collections de journaux ;
- équipes scientifiques disposant de milliers d'articles avec formules et tableaux ;
- services juridiques et financiers traitant de volumineux contrats et rapports ;
- développeurs de systèmes RAG (recherche de réponses dans leurs propres documents), qui ont besoin d'un texte propre avec sa structure préservée.
Pour ces derniers, le gain est particulièrement sensible : la qualité d'une réponse RAG dépend directement de la précision avec laquelle le document a été transformé en texte. Si un tableau d'entrée se disloque en deux morceaux sans lien, aucun modèle de langage ne pourra ensuite retrouver les bons chiffres.
Ce qu'il faut vérifier avant un déploiement
Pour l'instant, il s'agit d'une annonce, et les chiffres proviennent de la description du projet. On y mentionne le nombre de pages, mais pas le taux de reconnaissance exact, la vitesse sur un matériel donné ni les besoins en mémoire vidéo. Le test sur Harry Potter porte surtout sur un texte imprimé propre ; le comportement du modèle sur des scans dégradés, des annotations manuscrites, de vieux journaux ou des tableaux à mise en page complexe ne pourra être évalué que par la pratique.
La démarche raisonnable consiste à extraire de votre archive une centaine des pages les plus difficiles : tableaux qui se poursuivent, formules, photos mal éclairées. Faites-les passer par Unlimited-OCR 2 puis par votre solution actuelle, et comparez les résultats à la main : combien de tableaux ont été correctement reconstitués, combien de formules ont été perdues, quelles ressources en mémoire et en temps ont été consommées. Si le gain est net, il vaut la peine de bâtir un pipeline de numérisation autour du modèle. Le code ouvert permet de l'exécuter chez soi, sans envoyer de documents confidentiels vers un cloud tiers.
Dans l'ensemble, cette sortie illustre une tendance de fond : la reconnaissance documentaire cesse d'être une tâche « page par page » pour devenir une tâche « document entier ». Pour les praticiens, c'est une bonne nouvelle, et ces affirmations peuvent être vérifiées par soi-même, puisque le code est disponible dans le dépôt ouvert de Baidu.
- 29 oct. 2026Baidu lance Unlimited-OCR 2 : l'OCR jusqu'à 7 fois plus rapide sur 100 pages
- 30 avr. 2026Baidu lance Qianfan-OCR, un modèle de 4B pour reconnaître et comprendre les documents
- 27 oct. 2026OpenBMB publie un OCR ouvert avec un modèle de contrôle : jusqu'à 128 pages par minute
- 8 nov. 2026Baidu ouvre ERNIE 5.5 Flash Base : un MoE de 280 milliards de paramètres dont 14 milliards actifs
Questions clés sur cet article
Que sait-on sur Ce que sait faire Unlimited-OCR 2 ?
Le modèle est distribué gratuitement, avec un code source ouvert. D'après la description, il extrait de PDF, de scans et de simples photographies non seulement le texte continu, mais aussi les tableaux et les formules. C'est un point important : tableaux et mathématiques sont justement ce qui se brise le plus souvent en reconnaissance, pour devenir une bouillie de caractères. La principale particularité annoncée est la conservation du contexte d'une page à l'autre.
Comment le modèle gère des milliers de pages?
Plus un document est long, plus il faut de mémoire pour le « garder en tête ». Les auteurs affirment qu'Unlimited-OCR 2 économise cette mémoire : il ne relit pas tout le document à chaque fois, mais n'accède qu'aux fragments nécessaires. Pour donner une image, c'est comme un lecteur qui, pour retrouver une citation, n'reprend pas le livre depuis la première page, mais ouvre directement son marque-page. Les chiffres des démonstrations sont impressionnants.
Que sait-on sur à qui cela peut servir ?
Les premiers usages évidents sont les suivants : bibliothèques et archives qui numérisent livres et anciennes collections de journaux ; équipes scientifiques disposant de milliers d'articles avec formules et tableaux ; services juridiques et financiers traitant de volumineux contrats et rapports ; développeurs de systèmes RAG (recherche de réponses dans leurs propres documents), qui ont besoin d'un texte propre avec sa structure préservée.
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.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.