Xiaomi publie un OCR gratuit de 800 millions de paramètres qui devance Qwen3.5-2B
Xiaomi a publié un modèle OCR gratuit, c'est-à-dire un réseau de neurones capable de lire le texte de scans et de photos de documents pour le rendre modifiable. Xiaomi OCR-0 ne compte que 800 millions de paramètres (la taille du modèle), mais dans ses tests elle a devancé Qwen3.5-2B, qui en compte 2 milliards, soit 2,5 fois plus. Le texte sort en Markdown, les formules en LaTeX et les champs utiles en JSON. Pour les contrats et factures contenant des données confidentielles, il vaut donc la peine de la tester sur vos propres documents.
Traité par IA depuis TG: @bezsmuzi (Русский ИТ бизнес) ; édité par Hamidun News
Imaginez une archive de mille scans de contrats et de factures : pour l'ordinateur, ce ne sont que des images, alors que vous avez besoin des numéros, des dates et des montants dans un tableau. C'est précisément le problème que résout l'OCR, la reconnaissance de texte sur des images. Xiaomi a publié un OCR gratuit, Xiaomi OCR-0, d'une taille de 800 millions de paramètres.
Les paramètres sont les « réglages » internes d'un réseau de neurones : plus il y en a peu, moins le modèle coûte cher et plus il est rapide. Selon la société, dans ses tests, il a devancé Qwen3.5-2B, un modèle de 2 milliards de paramètres, soit 2,5 fois plus grand.
Le code est ouvert, et le modèle peut être exécuté chez vous, sans envoyer les documents dans le cloud.
Ce que sait faire Xiaomi OCR-0
Le modèle reconnaît le texte sur des images et des scans, extrait les données des documents et répond à des questions sur leur contenu. D'après la description de Xiaomi, il fonctionne selon trois modes principaux.
Le premier consiste à transposer le contenu sous une forme modifiable. Le texte, les tableaux et les formules de l'image deviennent des éléments exploitables, et non un simple ensemble de lignes disjointes.
Le deuxième est la conversion en balisage. Le document est transformé en Markdown (texte brut avec titres et listes), et les formules mathématiques sont écrites en LaTeX (le format standard des formules dans les textes scientifiques). Pour les développeurs, c'est pratique : ce texte peut être directement versé dans une base de connaissances, indexé pour un RAG ou publié dans une documentation.
Le troisième consiste à extraire les informations voulues au format JSON. Supposons que vous ayez des centaines de factures émanant de fournisseurs différents. Au lieu d'écrire un jeu d'expressions régulières pour chaque modèle de document, vous demandez au modèle le numéro de facture, la date et le montant, et vous obtenez une réponse structurée que vous pouvez charger dans votre système de comptabilité.
Pourquoi la taille de 800 millions de paramètres compte
Le chiffre phare de l'annonce est la taille du modèle. Pour l'OCR, elle est déterminante : plus le modèle est compact, moins il coûte et plus il traite vite de gros volumes de pages, et plus il est facile à faire tourner sur un serveur ordinaire ou un ordinateur portable puissant. Si un modèle est 2,5 fois plus petit que son concurrent sans lui être inférieur dans les tests, la facture matérielle peut nettement baisser.
Une précision importante : le message d'origine ne contient ni tableau de résultats, ni indication sur les jeux de documents utilisés pour les tests, ni ampleur précise de l'écart. Pour l'instant, il s'agit d'une affirmation de Xiaomi elle-même, et non d'une vérification indépendante. On ne dispose pas non plus d'informations sur la licence, si ce n'est que le code source est ouvert.
Ce que cela change en pratique
L'exécution en local lève la question la plus délicate : où atterrissent les documents. Pour les juristes, les services comptables, le secteur médical, les banques et tous ceux qui manipulent des données personnelles, l'envoi de scans vers une API externe se heurte souvent à la politique de sécurité. Si le modèle tourne dans votre propre environnement, il n'y a rien à négocier.
Le second avantage est le coût. Les services OCR dans le cloud facturent généralement à la page. Sur de grandes archives, les sommes grimpent vite, alors qu'un modèle maison de petite taille transforme des dépenses variables en dépenses fixes : vous payez le matériel, et non chaque document.
Ce qu'il faut faire dès maintenant :
- prendre 50 à 100 de vos documents réels, et non des exemples de démonstration, et les faire passer dans le modèle ;
- vérifier séparément les cas difficiles : annotations manuscrites, tampons par-dessus le texte, tableaux à cellules fusionnées, formules ;
- comparer le résultat à votre solution actuelle en termes de précision, de vitesse et de coût ;
- si vous avez besoin de JSON, fixer à l'avance le schéma des champs et contrôler la réponse avec un validateur, car tout modèle de langage se trompe parfois dans le format.
Il ne faut pas espérer des miracles sur n'importe quels documents : un modèle compact peut être en retrait par rapport aux grands systèmes sur de mauvais scans, des polices inhabituelles ou des langues rares. Mais comme candidat pour une première étape de traitement, surtout là où les données ne peuvent pas sortir de l'entreprise, Xiaomi OCR-0 apparaît comme une option raisonnable. On la trouve sur Hugging Face, et on peut la tester sur ses propres documents en une soirée.
- 16 oct. 2026Xiaomi-Lens-0 (4B de paramètres) devance Qwen3.5 de 5,6 points sur RefCOCO
- 2 mai 2026Xiaomi dévoile MiMo-V2-Pro : Hunter Alpha n'était pas un nouveau modèle de DeepSeek
- 8 févr. 2026Ollama 0.1.5 : Qwen3-Coder-Next et les joies de l'exécution en local
- 20 oct. 2026OvisOCR3, avec 0,8 Md de paramètres, devance les modèles OCR : 96,74 sur OmniDocBench v1.6
Questions clés sur cet article
Que sait-on sur Ce que sait faire Xiaomi OCR-0 ?
Le modèle reconnaît le texte sur des images et des scans, extrait les données des documents et répond à des questions sur leur contenu. D'après la description de Xiaomi, il fonctionne selon trois modes principaux. Le premier consiste à transposer le contenu sous une forme modifiable. Le texte, les tableaux et les formules de l'image deviennent des éléments exploitables, et non un simple ensemble de lignes disjointes. Le deuxième est la conversion en balisage.
Pourquoi la taille de 800 millions de paramètres compte?
Le chiffre phare de l'annonce est la taille du modèle. Pour l'OCR, elle est déterminante : plus le modèle est compact, moins il coûte et plus il traite vite de gros volumes de pages, et plus il est facile à faire tourner sur un serveur ordinaire ou un ordinateur portable puissant. Si un modèle est 2,5 fois plus petit que son concurrent sans lui être inférieur dans les tests, la facture matérielle peut nettement baisser.
Que sait-on sur Ce que cela change en pratique ?
L'exécution en local lève la question la plus délicate : où atterrissent les documents. Pour les juristes, les services comptables, le secteur médical, les banques et tous ceux qui manipulent des données personnelles, l'envoi de scans vers une API externe se heurte souvent à la politique de sécurité. Si le modèle tourne dans votre propre environnement, il n'y a rien à négocier. Le second avantage est le coût. Les services OCR dans le cloud facturent généralement à la page.
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.