Alibaba Cloud publie son modèle d'analyse de documents open-source OvisOCR2

Alibaba Cloud, un acteur majeur de la technologie en Chine, a lancé OvisOCR2, un modèle open-source dédié à l'analyse de documents. Le modèle a établi un nouveau record sur le benchmark OmniDocBench v1.6, avec un score global de 96,58. C'est la première fois qu'un modèle de type "bout-en-bout" (end-to-end) surpasse les méthodes traditionnelles dites "pipeline" dans ce domaine.

L'analyse de documents est une étape clé pour convertir des données non structurées, telles que les PDF et les documents numérisés, en texte structuré. Ceci est essentiel pour des applications comme les bases de connaissances d'entreprise et les systèmes RAG (Retrieval-Augmented Generation). Auparavant, le domaine était dominé par des méthodes "pipeline", qui impliquent des modèles distincts pour l'analyse de la mise en page et la reconnaissance du contenu. Cette approche, bien qu'établie, souffre de coûts de maintenance élevés et d'une accumulation potentielle d'erreurs.

OvisOCR2 adopte une architecture "bout-en-bout". Il prend une image de document en entrée et génère une représentation structurée au format Markdown en une seule passe. Cette sortie couvre le texte, les formules, les tableaux et les éléments visuels dans un ordre de lecture naturel, simplifiant ainsi le processus par rapport aux pipelines multi-modèles.

Le modèle est basé sur Qwen3.5-0.8B et a été entraîné grâce à des procédures avancées utilisant une combinaison de données réelles et synthétiques. Alibaba Cloud a publié OvisOCR2 sous la licence Apache 2.0, garantissant sa compatibilité avec les frameworks d'inférence courants tels que vLLM et une intégration transparente dans l'écosystème Qwen.

Les développeurs peuvent accéder à OvisOCR2 sur des plateformes comme Hugging Face et ModelScope. Un rapport technique fournit des détails supplémentaires sur l'architecture et les performances du modèle.