Un petit modèle chinois gratuit revendique la tête de la lecture de documents

La Chine tient-elle un nouveau champion de la lecture de documents ? Selon 量子位 (QbitAI), média chinois spécialisé en IA, OXR, un modèle open source de seulement 1,3 milliard de paramètres, arrive premier sur trois classements internationaux. Si ce résultat tient, une PME pourrait lire ses factures et ses contrats chez elle, sans abonnement à un grand modèle américain. Mais rien, à ce stade, ne le confirme de façon indépendante.

Lire un document : un problème moins simple qu’il n’y paraît

Ce qui est en jeu : la fiabilité des chiffres que vous extrayez de vos factures, devis et contrats.

Une facture scannée est, pour une machine, une photo : des points colorés, pas du texte. L’OCR (reconnaissance optique de caractères) est le logiciel qui transforme cette image en texte exploitable, que l’on peut chercher, copier ou confier à une IA.

Le piège, c’est la mise en page. 量子位 énumère les ratés des outils classiques : des articles en deux colonnes lus dans le désordre, des formules manuscrites transformées en charabia, de grands tableaux sur plusieurs pages qui perdent leur structure, des schémas chimiques écartés comme du bruit. Pour une PME, cela ressemble à un tableau de prix qui se disloque ou à un total rattaché à la mauvaise ligne.

Le média ajoute que ce texte abîmé, donné ensuite à un système d’IA qui cherche dans vos documents (ce que les spécialistes appellent un RAG), produit de mauvaises réponses. En clair : une IA, même brillante, répond mal sur un document qu’elle a mal lu.

Ce que rapporte 量子位 : trois classements, trois premières places

Ce qui est en jeu : savoir ce que vaut la mention « premier mondial ».

Un classement (en anglais « benchmark ») est un examen standardisé : tous les modèles passent les mêmes épreuves et l’on compare les notes. Selon 量子位, OXR obtient :

• 97,18 sur OmniDocBench, un classement ouvert par le laboratoire d’IA de Shanghai, qui couvre 10 catégories de documents complexes ;
• 87,84 sur olmOCR-Bench, proposé par l’équipe américaine Ai2, avec plus de 7 000 épreuves de type test unitaire (une question, une réponse vérifiable) ;
• 87,76 sur DocParsingBench, qui couvre 5 secteurs et 14 scénarios d’entreprise réels.

Premier point de prudence : le texte ne donne ni l’échelle de ces notes (on devine un maximum de 100) ni les notes des concurrents. Un 97 ne dit rien si le deuxième affiche 96,9, et dit beaucoup s’il affiche 80. Les noms des modèles dépassés ne figurent pas dans les extraits que nous avons pu lire.

Second chiffre : OXR analyserait 100 pages en 101,0 secondes, soit environ une seconde par page, sur une seule carte graphique RTX PRO 6000. 量子位 précise que c’est la première place parmi les modèles open source. Ce n’est donc pas une première place absolue en vitesse.

Le projet aurait enfin dépassé 1 100 étoiles sur GitHub, la plateforme où les développeurs publient leur code. C’est une mesure d’intérêt, pas de qualité.

Petit, ouvert, local : ce que cela change pour une PME

Ce qui est en jeu : garder ses documents chez soi et ne plus payer à chaque page lue.

Un paramètre est un réglage interne du modèle, un peu comme un bouton d’un immense mixeur. Les très grands modèles généralistes en comptent des centaines de milliards. 1,3 milliard est donc très petit. 量子位 note que même un modèle de 27 milliards demande déjà, pour tourner en local, une machine comme un Mac M5 Pro avec 64 Go de mémoire, avec une vitesse de réponse discutable.

Attention toutefois : la vitesse annoncée l’a été sur une carte graphique professionnelle, pas sur un ordinateur de bureau ordinaire. Ce que donne OXR sur un portable de PME, le texte ne le dit pas.

Selon 量子位, le code, les poids (le « cerveau » du modèle, c’est-à-dire ses réglages appris) et la procédure pour refaire les évaluations sont publics. Le modèle se lance via Docker ou en ligne de commande, avec un greffon pour vLLM, un logiciel courant pour faire tourner ce type de modèle. Pour un indépendant, « open source » veut dire :

• Gratuité du modèle : pas de facture à la page.
• Confidentialité : installé chez soi, le modèle ne renvoie rien vers un serveur distant. Contrats et fiches de paie restent sur la machine.
• Personnalisation : le module qui repère les zones de la page peut être remplacé par le sien, par exemple pour des documents anciens ou des formulaires médicaux.

Les limites existent aussi. Le service en ligne gratuit (démo et interface de programmation) est maintenu, dit l’équipe, tant que la charge des serveurs reste supportable : c’est une promesse, pas un contrat. Envoyer un document sur cette démo, c’est aussi le faire sortir de chez soi. Pour traiter Word, PowerPoint ou Excel, l’équipe renvoie vers un moteur commercial, donc payant. Quant au support, il repose sur la communauté du projet, et la licence exacte n’est pas précisée dans le texte lu.

RSI : la méthode qui aurait fait la différence

Ce qui est en jeu : comprendre comment un si petit modèle pourrait rivaliser sans armée d’annotateurs.

Le titre de 量子位 attribue le succès au « RSI », pour « recursive self-improvement », une amélioration récursive par le modèle lui-même. Voici le principe décrit, en clair : au lieu de faire corriger les erreurs par des humains, le système les cherche seul, comprend leurs causes, fabrique les exercices suivants, puis recommence.

Concrètement, une IA généraliste classe les résultats en trois groupes : corrects, faux et « incertains ». Cette troisième catégorie sert à ne pas transformer un doute en fausse certitude. Le système modifie ensuite légèrement les images (zoom, compression, flou) pour voir si le modèle se laisse déstabiliser. Il regroupe enfin les causes d’erreur par familles, par exemple un tableau à cellules fusionnées, puis génère de nouveaux exemples d’entraînement vérifiés, avant de réentraîner le modèle.

Les points forts sont plausibles : le texte, les tableaux ou les formules se vérifient de façon précise, ce qui permet à la machine de se corriger. Mais le texte lu ne chiffre pas ce que la méthode RSI apporte à elle seule. L’architecture compte aussi : un petit module repère les zones de la page, et le modèle principal lit le contenu et décide de l’ordre de lecture. Impossible, d’après ces extraits, de savoir quelle part de la performance revient à quoi. Une IA généraliste intervient aussi comme juge : le système n’est donc pas totalement autonome.

Les géants américains ont-ils perdu l’avantage ? Ce qu’on ne sait pas

Ce qui est en jeu : ne pas confondre un bon résultat annoncé avec un rapport de force démontré.

La question « Chine contre États-Unis » est tentante, mais la source n’y répond pas : elle ne nomme, dans les extraits lus, aucun modèle américain battu. Ce qu’elle suggère, sans le démontrer, c’est qu’un petit modèle spécialisé peut égaler ou dépasser un grand modèle généraliste sur une tâche précise. Cela remet en cause l’idée que « plus gros = meilleur » pour la lecture de documents, pas pour tout.

Plusieurs questions restent ouvertes :

• Confirmation indépendante : les chiffres viennent de 量子位, qui relaie avec enthousiasme un projet dont il fournit les liens de démonstration. Les évaluations sont reproductibles selon l’équipe, mais personne d’extérieur ne les a, à notre connaissance, refaites.
• Choix des épreuves : trois classements sont cités. Y en a-t-il d’autres où OXR serait moins bon ?
• Les concurrents : qui est deuxième, et avec quel écart ?
• Le français : factures belges, contrats suisses, tampons, écriture manuscrite. Rien dans le texte ne dit comment OXR se comporte sur ces documents.

Un test simple est à la portée d’une PME. Prenez vingt documents représentatifs (factures, contrats, bons de commande) sans donnée sensible si vous passez par la démo en ligne. Faites-les lire par OXR et par votre outil actuel, puis comparez les montants, les dates et les tableaux. C’est ce résultat, plus que n’importe quel classement, qui dira si le modèle chinois tient sa promesse.

Sources

• RSI立大功！国产开源登顶全球第一，1.3B OXR重塑OCR – 量子位