Mistral OCR 4 : leader mondial et souverain de l’IA documentaire ?

Mistral AI a publié le 23 juin 2026 son nouvel OCR (reconnaissance optique de caractères), baptisé Mistral OCR 4. Le laboratoire français de Paris revendique un taux de préférence humaine de 72 % face à tous les systèmes concurrents testés, et un score record de 85,20 sur le benchmark public OlmOCRBench. Surtout, le modèle tient dans un conteneur unique, déployable sur les serveurs de l’entreprise. Pour une PME ou ETI européenne soumise au règlement IA, la promesse est claire : extraire des documents sensibles sans jamais les confier à un cloud américain.

En deux mots : Mistral OCR 4 (sorti le 23 juin 2026) est un modèle d’intelligence documentaire qui extrait textes, tableaux et boîtes englobantes en 170 langues. Il s’auto-héberge dans un conteneur unique sur l’infrastructure du client, avec 72 % de préférence humaine et 85,20 sur OlmOCRBench. Premier OCR européen à conjuguer leadership benchmark et souveraineté réelle.

Temps de lecture : 8 min

Les points clés :

• Mistral OCR 4 sort le 23 juin 2026, quatrième génération en 15 mois.
• 170 langues, boîtes englobantes, classification des blocs et scores de confiance par mot.
• 72 % de préférence humaine sur 600 documents, 85,20 sur OlmOCRBench, 93,07 sur OmniDocBench.
• Auto-hébergeable en un conteneur, 4 dollars les 1 000 pages (2 dollars en mode batch).

Qu’est-ce que Mistral OCR 4 et que change vraiment ce lancement ?

Mistral OCR 4 est un modèle d’intelligence documentaire publié par Mistral AI le 23 juin 2026, quatrième génération d’OCR sortie par le laboratoire parisien en environ 15 mois. Contrairement aux OCR classiques qui retournent un mur de texte, ce modèle livre une représentation structurée de la page : texte extrait, boîtes englobantes au pixel, type de bloc (titre, tableau, équation, signature) et score de confiance par mot et par page.

Boîtes englobantes : enfin localiser ce qu’on extrait

Les boîtes englobantes (bounding boxes) étaient, d’après Mistral, la fonctionnalité la plus demandée par ses clients. Elles indiquent à quel endroit pixel près une donnée a été extraite dans le document source. Pour un agent IA qui remplit un formulaire ou pour une chaîne RAG citation-ready, c’est la différence entre une démo et un système en production. Quand le score de confiance d’un total de facture passe à 0,6, l’automatisation peut router la pièce vers un humain au lieu de pousser un mauvais chiffre dans la compta.

170 langues, formats bureautiques natifs

Le modèle accepte directement les fichiers PDF, DOC, PPT et OpenDocument, et couvre 170 langues réparties en 10 groupes linguistiques. Mistral revendique un avantage net sur les langues rares et peu dotées (hindi, géorgien, malayalam, tamoul, gujarati, télougou, kannada, hébreu, arménien, grec, bengali, japonais), là où plusieurs systèmes concurrents perdent en précision. Le modèle traite jusqu’à 2 000 pages par minute sur un seul GPU, ce qui ouvre la voie à des chantiers de numérisation d’archives à grande échelle qui restaient hors de portée des OCR classiques. Disponible via l’API Mistral, Amazon SageMaker et Microsoft Foundry dès le 23 juin, l’intégration Snowflake Parse Document est annoncée pour les semaines suivantes.

Ce qui change par rapport à Mistral OCR 3

Mistral OCR 3, sorti le 17 décembre 2025, atteignait déjà 74 % de préférence humaine face à OCR 2 sur formulaires, scans et écriture manuscrite. OCR 4 ajoute la couche structurelle : la sortie n’est plus seulement un texte propre, c’est un arbre typé avec position et confiance. Pour les équipes qui construisent un agent ou un pipeline RAG, cette structure remplace une couche entière de parsing maison.

Pourquoi Mistral OCR 4 est-il considéré comme leader mondial en 2026 ?

Sur 600 documents tirés de douze langues et soumis à des annotateurs indépendants en évaluation à l’aveugle, Mistral OCR 4 a été préféré dans 72 % des cas à l’ensemble des systèmes testés. Le panel comprenait des OCR natifs IA, des modèles généralistes frontaliers, des services documentaires d’entreprise (Google Document AI, Azure Document Intelligence, Amazon Textract, ABBYY) et la génération précédente Mistral OCR 3.

Les benchmarks publics et leurs limites

Sur le benchmark public OlmOCRBench, Mistral OCR 4 obtient 85,20 et prend la première place du classement à la sortie. Sur OmniDocBench, le score atteint 93,07. Mistral note toutefois que ces benchmarks pénalisent des sorties pourtant correctes : annotations de référence erronées, notations LaTeX équivalentes mais scorées différentes, ordre de lecture multi-colonnes, et attribution titre / en-tête. La recommandation officielle est d’évaluer le modèle sur ses propres documents plutôt que sur le score agrégé. Ce conseil n’est pas anodin : il rappelle que l’humain reste celui qui décide, le score guide la décision sans la remplacer.

La vraie compétition OCR 2026

L’analyse indépendante CodeSOTA décrit la compétition pratique 2026 comme une course à trois : Baidu Unlimited-OCR (libéré le 22 juin 2026 sous licence MIT, sans API gérée), Surya 2 et Mistral OCR 4. Le modèle de Baidu vise les équipes de recherche qui numérisent des thèses sur un seul GPU ; Mistral OCR 4 est conçu pour le processus d’achat IT, avec SLA, accord de traitement des données et audit de conformité. Selon les deux clients cités par Mistral, le gain compose vite : Rogo mesure une précision équivalente à 8 fois moins de coût et 17 fois moins de latence ; Anaqua rapporte 4 fois plus rapide par page que son fournisseur historique.

Cas d’usage à fort impact pour les PME et ETI

• Numérisation d’archives papier (cabinets d’avocats, notariat, fonds de commerce repris).
• Extraction de factures et bons de commande pour alimenter un ERP ou un outil comptable.
• Lecture de comptes-rendus médicaux ou rapports techniques en plusieurs langues.
• Indexation citation-ready de bases documentaires internes pour un RAG d’entreprise.
• Vérification de signatures et de blocs spécifiques dans les contrats juridiques.
• Préparation des données d’entrée pour un agent qui remplit ensuite des formulaires officiels.

Mistral OCR 4 est-il vraiment souverain pour une PME française ?

La souveraineté est devenue un argument marketing usé dans l’IA d’entreprise. Mais elle ne signifie pas la même chose chez tous les acteurs. Un fournisseur américain qui propose une « résidence des données dans l’UE » stocke vos documents à Francfort, mais reste soumis au droit américain (FISA, CLOUD Act). Mistral AI, incorporée en France, opère sous juridiction européenne ; sa version conteneurisée d’OCR 4 signifie que vos documents ne quittent jamais votre infrastructure.

Cloud Act, FISA et juridiction

Pour un cabinet d’avocats, une mutuelle santé, une banque privée ou une PME qui traite des données RGPD sensibles, la question du droit applicable au fournisseur n’est pas théorique. Auto-héberger l’OCR sur ses propres serveurs ou dans un cloud souverain (Outscale, OVH, Scaleway) ferme la porte à toute demande extraterritoriale. C’est la différence entre dire « nos données sont en Europe » et garantir « nos données ne sortent jamais de chez nous ». Le sujet rejoint la souveraineté concrète des LLM en local, où la même logique d’auto-hébergement s’applique aux modèles génératifs.

AI Act du 2 août 2026, et après

À partir du 2 août 2026 s’appliquent notamment les obligations de transparence (article 50) du règlement IA. Les obligations pour les systèmes à haut risque de l’annexe III, initialement prévues à cette date, sont reportées au 2 décembre 2027 sous réserve de l’adoption définitive du Digital Omnibus. Pour un système qui extrait des CV (recrutement, annexe III) ou des contrats juridiques, la traçabilité par boîte englobante et score de confiance facilite l’audit. Couplée à une norme ISO/IEC 42001, l’organisation prouve son contrôle de bout en bout.

Tarification et conditions de mise en œuvre

L’API publique est facturée 4 dollars les 1 000 pages, ramenée à 2 dollars en mode batch asynchrone. Document AI, qui ajoute une mise en forme JSON pilotée par schéma, coûte 5 dollars les 1 000 pages. Pour comparaison, Google Document AI est autour de 5 dollars les 1 000 pages et Azure pratique des tarifs jusqu’à 15 fois supérieurs pour son palier custom. L’auto-hébergement reste négocié au cas par cas avec les équipes Mistral pour les grands comptes, mais la disponibilité d’un conteneur unique abaisse considérablement le ticket d’entrée. Mistral cible un milliard d’euros de chiffre d’affaires en 2026 contre 200 millions en 2025, selon les chiffres rapportés par Le Monde : la commercialisation d’OCR 4 est au cœur de cette trajectoire.

Pour passer à l’action : la phase Construire : un premier outil qui marche chez vous.

Questions fréquentes sur Mistral OCR 4

Qu’est-ce que Mistral OCR 4 et que change vraiment ce lancement ?

Mistral OCR 4 est un modèle d’intelligence documentaire publié par Mistral AI le 23 juin 2026, quatrième génération d’OCR sortie par le laboratoire parisien en environ 15 mois. Il livre texte, boîtes englobantes, type de bloc et score de confiance, là où les OCR classiques ne retournent qu’un mur de texte plat.

Mistral OCR 4 est-il vraiment numéro un mondial en juin 2026 ?

À sa sortie, Mistral OCR 4 prend la première place sur OlmOCRBench (85,20) et obtient 72 % de préférence humaine face aux principaux concurrents. Mistral lui-même appelle à valider ces scores sur vos propres documents. La compétition réelle 2026 est à trois : Baidu Unlimited-OCR, Surya 2 et Mistral OCR 4.

Combien coûte Mistral OCR 4 et comment l’héberger soi-même ?

L’API publique est facturée 4 dollars les 1 000 pages (2 dollars en mode batch). Document AI, qui ajoute une mise en forme JSON pilotée par schéma, coûte 5 dollars les 1 000 pages. Pour l’auto-hébergement, le modèle tient dans un conteneur unique et le tarif est négocié de gré à gré avec Mistral.

Mistral OCR 4 est-il conforme au RGPD et au règlement IA européen ?

Mistral AI est incorporée en France et opère sous juridiction européenne. Le déploiement en conteneur unique garde les documents dans l’infrastructure du client, ce qui évite toute exposition au Cloud Act américain. Pour les usages annexe III du règlement IA (recrutement, scoring), les scores de confiance facilitent l’audit.

Votre diagnostic IA, gratuitement
Écrire à HDVMA
Parler à Eric