L'OCR Baidu dans le stack : pourquoi la reconnaissance de texte classique reste aux côtés de la recherche visuelle
L'OCR n'est pas mort. PaddleOCR-VL fournit du texte interrogeable là où la recherche visuelle seule ne suffit pas.
Traduction produite automatiquement par IA. La version allemande est l'original vérifié par la rédaction.
Malgré tout l'enthousiasme pour la recherche documentaire visuelle, une phrase lucide s'impose : l'OCR n'est pas mort. La reconnaissance de texte moderne comme PaddleOCR-VL de Baidu est devenue si performante et si abordable qu'elle conserve une place solide aux côtés du retrieval visuel, non pas en concurrent, mais comme l'étape qui fournit un texte interrogeable, copiable et vérifiable. La bonne question n'est pas OCR ou recherche visuelle, mais lequel pour quel usage.
01. CE QUE LA RECHERCHE VISUELLE NE FOURNIT VOLONTAIREMENT PAS
Les modèles de retrieval visuel trouvent la bonne page, même dans un scan difficile. Mais ils vous renvoient une image, pas du texte. Vous ne pouvez pas en copier une ligne sans effort, ni poser une recherche en texte intégral sur l'archive, ni construire une piste de vérification lisible par machine. Pour tout cela, il vous faut du texte reconnu. Ce n'est pas une faiblesse de la nouvelle approche, mais une répartition assumée des tâches : la recherche sur l'image, l'extraction de texte par OCR, chaque étape pour ce qu'elle sait faire de mieux.
02. CE QUE SAIT FAIRE PADDLEOCR-VL
Avec PaddleOCR-VL, Baidu a présenté un modèle OCR ouvert qui atteint des performances de pointe avec seulement 0,9 milliard de paramètres (projet). Il reconnaît texte, tableaux, formules et diagrammes dans 109 langues et reconstruit la structure sémantique d'un document. Sur le benchmark OmniDocBench v1.5, il se place en tête avec environ 94,5 % de précision. Il est sous licence Apache-2.0, donc librement utilisable en usage commercial et exploitable localement. Pour une PME, cela signifie : une reconnaissance de texte puissante, sans frais récurrents et sans fuite de données.
03. L'ARCHITECTURE HYBRIDE
En pratique, les deux voies fonctionnent côte à côte. La recherche visuelle trouve rapidement les pages pertinentes en respectant la mise en page. Là où il faut en tirer du texte solide, par exemple pour une ligne de facture, une clause de contrat à citer ou une entrée dans l'ERP, l'OCR prend le relais sur ces quelques pages précises. Il n'est pas nécessaire de passer toute l'archive à l'OCR, mais seulement ce que la recherche a déjà marqué comme important. Cela garde la pipeline légère et évite que les erreurs d'OCR ne s'infiltrent dès le départ dans la recherche.
04. LA LIGNE PRAGMATIQUE
L'opposition binaire est ici la mauvaise posture. La recherche visuelle améliore la découverte, l'OCR améliore le traitement ultérieur. Qui comprend les deux comme des outils aux tâches claires construit une base de connaissances plus robuste que celui qui mise dogmatiquement sur un seul camp. La façon dont les briques s'assemblent, de l'encodeur à la base vectorielle, figure dans l'aperçu du stack.
