Le modèle chinois OXR revendique trois premières places, sans test indépendant

Un modèle de 1,3 milliard de paramètres, minuscule à l’échelle des géants de l’IA, prétend lire les documents mieux que les références du secteur. Il s’appelle OXR, il est chinois, et son code comme ses poids sont ouverts. La question n’est pas seulement de savoir s’il est bon, mais si une PME peut lui confier ses factures et ses contrats, et à quelles conditions.

Ce que revendique OXR

OXR signifie « Optical Everything Recognition ». Selon QbitAI, il a été développé par l’équipe SoMark, issue d’une start-up chinoise spécialisée dans l’intelligence documentaire. Là où un OCR classique extrait du texte, OXR vise la structure : il reconnaît 13 types d’éléments (texte, tableaux, formules, structures chimiques, blocs de code) et restitue le résultat en Markdown ou en JSON, avec les coordonnées de chaque élément sur la page.

Quelques détails techniques rapportés par la source :

• les tableaux sortent en HTML, avec leurs cellules fusionnées ;
• les formules sont écrites en LaTeX, les équations chimiques en mhchem, les molécules en SMILES ;
• l’ordre de lecture des documents à plusieurs colonnes est déterminé par le modèle principal, après qu’un modèle de mise en page plus léger a repéré les zones.

Sur la performance, l’équipe annonce des scores de 97,18 sur OmniDocBench, 87,84 sur olmOCR-Bench et 87,76 sur DocParsingBench, chaque fois en première position. Elle ajoute un test de vitesse : sur une carte RTX PRO 6000 Blackwell de 96 Go, l’analyse de 100 pages tirées d’OmniDocBench prend environ 101 secondes pour OXR, contre environ 145 secondes pour PaddleOCR-VL-1.6 et 255 secondes pour MinerU2.5-Pro.

L’entraînement repose sur une méthode que l’équipe qualifie de « récursive » (RSI). Des modèles externes jugent les résultats, analysent les erreurs, les regroupent par cause, puis génèrent des données d’entraînement ciblées pour la version suivante, sans annotation humaine supplémentaire.

Un texte fourni par l’équipe elle-même

Il faut lire l’article de QbitAI avec cette précision, indiquée en bas de page : le texte a été fourni par l’équipe SoMark et republié avec autorisation, les opinions restant celles de ses auteurs. Ce n’est donc pas un test réalisé par la rédaction.

Tous les chiffres cités (scores, temps de traitement) sont ceux publiés par l’équipe. La source ne mentionne aucune reproduction indépendante. Le texte se termine d’ailleurs en invitant les équipes qui ont des besoins de niveau production à découvrir SoMark, le produit principal de la même équipe, un moteur d’analyse de documents piloté par un modèle distinct. Le modèle ouvert lui sert donc aussi de vitrine. Ce n’est pas illégitime, mais cela éclaire le ton du texte.

Cela ne signifie pas que les résultats sont faux. Cela signifie qu’ils sont revendiqués, pas vérifiés. Plusieurs points restent à éclaircir :

• Le périmètre du test de vitesse. Il porte sur 100 pages, sur une carte professionnelle de 96 Go. Le texte ne dit pas ce que donnerait un PC de bureau.
• La nature des documents. La source illustre ses exemples avec des articles scientifiques, des journaux et des copies d’examen. Une facture froissée scannée de travers, un contrat tamponné ou un bon de livraison manuscrit sont d’un autre registre.
• Les langues. La source ne détaille pas les résultats pour le français, ni pour les accents ou les formats de date et de montant européens.

Mille étoiles en une semaine : que mesure ce chiffre ?

Le texte met en avant la traction : plus de 1 000 étoiles GitHub en une semaine, et une visibilité de plus d’un million sur X, selon l’équipe. Ces chiffres montrent de la curiosité chez les développeurs. Ils ne disent rien de la qualité du modèle sur vos documents.

Une étoile GitHub est un signet, pas un audit. On peut la donner après avoir lu un titre, sans avoir installé quoi que ce soit. Pour situer l’ordre de grandeur, un autre article de QbitAI, publié le même jour, indique que la première version de l’OCR de Baidu cumule plus de 10 millions de téléchargements et environ 28 600 étoiles. À côté, les 1 000 étoiles d’OXR sont un démarrage, pas une adoption installée, même si Baidu a eu bien plus de temps pour y arriver.

La vague des OCR chinois : Baidu et son « cache » réduit de 96 %

OXR n’arrive pas seul. Le même jour, QbitAI relaie la sortie de Wenxin Unlimited OCR 2, publié en open source par Baidu. Son argument est différent : lire des documents très longs sans saturer la mémoire de la carte graphique.

Le principe se comprend ainsi. Quand un modèle lit un document, il conserve en mémoire des informations intermédiaires, le « cache KV », que la source compare à une petite feuille de notes qui s’épaissit avec chaque page. Dans un test de cent pages en un seul passage, Baidu annonce un pic de cache passé de 47 Go à 1,77 Go, soit environ 96 % de moins. La source précise que ce chiffre ne concerne que le cache, pas les poids du modèle ni les autres usages de la mémoire.

D’autres chiffres, issus du rapport technique de Baidu et relayés par la source :

• un débit de 1 315 tokens par seconde en 16 requêtes simultanées, contre 360 avec le décodage standard (environ 3,65 fois plus) ;
• 84,59 sur MPDocBench et 77,06 sur MarathonDocBench, un banc de 100 documents de 103 à 300 pages créé par l’équipe elle-même ;
• un essai de QbitAI sur un roman de 884 pages, traité en environ 43 minutes (2,9 secondes par page), avec deux pages contrôlées (600 et 750) identiques au texte d’origine.

Le titre de l’article parle de « pages sans limite ». Le principe repose en réalité sur un découpage en blocs qui se chevauchent d’une page, avec libération de la mémoire entre deux blocs. Là encore, il s’agit des chiffres de l’éditeur, avec une vérification partielle par un média.

Ces deux modèles ont un point commun : ce sont des laboratoires chinois, publiant poids et code, qui font de la lecture de documents un terrain de compétition ouvert. Ils ne se mesurent pas sur les mêmes bancs d’essai, et on ne peut pas dire, à partir de ces sources, lequel est le meilleur.

Local, factures, contrats : les questions d’une PME

L’attrait est évident. Un modèle de 1,3 milliard de paramètres est assez petit pour qu’on puisse imaginer le faire tourner sur un serveur interne. Les documents ne quitteraient alors pas l’entreprise, et on éviterait une API américaine facturée à la page. Mais « open source » et « local » ne suffisent pas à rendre l’usage sûr. Trois précautions s’imposent.

Distinguer les poids de la démo. La source indique que l’équipe propose les poids sur Hugging Face, une démo en ligne et une API gratuite. Seuls les poids téléchargés et exécutés sur votre machine gardent vos fichiers chez vous. Envoyer une facture à la démo ou à l’API gratuite revient à la transmettre à un serveur tiers, dont l’adresse est en .cn et dont la localisation n’est pas précisée par la source. Cela pose la question du RGPD pour des données personnelles ou commerciales.

Lire la licence. L’article de QbitAI ne précise pas les conditions d’usage du modèle, notamment pour un usage commercial. C’est à vérifier sur la page du modèle avant tout déploiement.

Mesurer l’erreur sur ses propres documents. Une erreur d’OCR ne se voit pas : un 8 lu comme un 3 donne une facture plausible mais fausse. Le texte de SoMark le dit lui-même à propos des tableaux : si les cellules se décalent, un chiffre peut être rattaché au mauvais poste. Un comptable humain doit rester dans la boucle tant que le taux d’erreur n’est pas connu.

Pour se faire un avis sans dépendre des classements, un test simple est possible : prendre une vingtaine de vos documents réels (factures de fournisseurs, bons de commande, un contrat scanné), en relever à la main les montants, dates et numéros, puis comparer champ par champ avec la sortie du modèle, installé hors ligne. Les chiffres obtenus valent davantage que 97,18 sur un benchmark.

Reste une question ouverte : si un modèle chinois, un autre américain et un troisième européen se valent sur vos propres factures, qu’est-ce qui doit trancher entre eux, le coût, la licence ou la juridiction qui héberge vos données ?

Sources

• OXR强势开源！1.3B横扫全球三榜第一，速度快过Paddle、MinerU，RSI让它卷出新高度 – 量子位
• KV Cache被压成常数！OCR开源新王：页数没上限，缓存砍96% – 量子位