Le prix de la numérisation de documents par reconnaissance optique de caractères (OCR) chute de façon spectaculaire grâce aux modèles d’Intelligence artificielleEnsemble de techniques permettant à des machines d'accomplir des tâches nécessitant habituellement certaines capacités humaines, comme la reconnaissance, la prédiction ou la prise de décision. disponibles gratuitement. Daniel van Strien, ingénieur chez Hugging Face, a comparé huit modèles OCR sur un même matériel – un GPUProcesseur conçu pour effectuer de nombreux calculs en parallèle, notamment utilisé pour entraîner et exécuter des modèles d'IA. Nvidia RTX PRO 6000 loué à 2,75 $/heure – afin d’évaluer le coût de traitement de 850 pages tirées de livres d’histoire naturelle, de l’Encyclopædia Britannica de 1771 et de divers documents d’archives.

Une décote de plus de cinq fois en 18 mois

Le modèle le plus ancien, RolmOCR, lancé en avril 2025, coûtait 0,51 $ pour 1 000 pages. Le modèle le plus récent, LightOnOCR‑3‑0.8B, sorti en octobre 2026, ne dépasse même pas 0,10 $ pour la même quantité. En fonction du type de document, traiter un million de pages se situe aujourd’hui entre 65 $ et 130 $, ce qui représente une baisse de coût de 80 % à 90 % par rapport à il y a un an et demi.

Optimisation logicielle au même titre que le modèle

Van Strien souligne que l’ajustement du flux de travail a eu un impact financier comparable à l’adoption d’un modèle plus récent. En répartissant les pages de façon plus homogène, en utilisant des résolutions d’image plus faibles, en maintenant les logiciels à jour et en exploitant un GPU plus performant, il a réduit la facture de location du serveur. Ces bonnes pratiques sont applicables quel que soit le modèle choisi.

Qualité vs rapidité

Du point de vue de la précision, le modèle de 2026 lit les pages de livres aussi correctement que le modèle de 2025. Cependant, certains modèles intermédiaires présentent des dérives : ils peuvent « halluciner » du texte sur des pages blanches ou répéter des passages. Cette faille rappelle que la performance d’un OCR ne se mesure pas uniquement en coût, mais aussi en robustesse face à des documents variés.

Implications concrètes pour les utilisateurs

Pour les bibliothèques, les archives et les chercheurs, la possibilité de scanner un million de pages pour moins de 130 $ ouvre de nouvelles perspectives. Le budget consacré à la numérisation pouvait auparavant limiter les projets à quelques dizaines de milliers de pages. Aujourd’hui, même une petite structure peut envisager la numérisation de collections entières, tout en conservant la capacité de réinvestir les économies dans la préservation ou l’analyse des données.

Limites à garder à l’esprit

L’étude s’est déroulée sur un GPU loué ; le coût réel dépendra du matériel disponible ou de la plateforme cloud utilisée. De plus, la précision du texte extrait reste sensible à la qualité de la numérisation initiale : des scans très compressés ou mal alignés peuvent encore entraîner des erreurs. Enfin, les modèles qui génèrent des hallucinations exigent une vérification humaine, surtout pour des documents historiques où chaque mot compte.

En résumé, la convergence d’une baisse de prix drastique et d’une optimisation logicielle rend l’OCR par IA aujourd’hui accessible à un large éventail d’acteurs, tout en rappelant que la vigilance reste de mise quant à la fiabilité du texte produit.

Une lecture à partager ?
Partager
Partager cet article
WhatsApp ↗LinkedIn ↗Facebook ↗X ↗E-mail ↗

POUR CONTINUER

Garder le fil.

Toutes les actus ↗