Mistral OCR 4 : un modèle d'extraction de documents qui prépare la levée de fonds
Mistral AI a publié OCR 4 mardi 23 juin. C'est la quatrième génération de sa technologie de reconnaissance optique de caractères en environ quinze mois. La cadence est inhabituelle pour un laboratoire de cette taille.
OCR 4 retourne des bounding boxes, une classification de blocs typés — titres, tableaux, équations, signatures — et des scores de confiance inline par page et par mot, en plus du texte extrait. La différence avec un OCR classique : les systèmes en aval savent non seulement ce que dit le document, mais où se trouve chaque élément, quel rôle il joue, et avec quel niveau de certitude.
Le modèle est disponible via l'API Mistral, Amazon SageMaker et Microsoft Foundry. Il sera prochainement intégré à Snowflake Parse Document.
Le point de différenciation commercial le plus explicite : le déploiement en conteneur unique, qui permet aux entreprises de conserver chaque page de données sensibles dans leur propre infrastructure. Un prestataire américain qui propose une résidence des données en Europe signifie que les documents sont stockés à Francfort mais restent soumis au droit américain. Mistral, incorporée en France et soumise à la juridiction européenne, offre un déploiement conteneurisé on-premises où les documents ne quittent jamais l'infrastructure de l'entreprise.
Les dispositions de sanction du règlement européen sur l'IA entrent en vigueur le 2 août 2026, ce qui accentue la pression réglementaire sur le calcul de conformité pour les entreprises européennes qui évaluent des fournisseurs de traitement documentaire.
Benchmarks
Des annotateurs indépendants ont préféré OCR 4 à tous les systèmes testés, avec des taux de victoire moyens de 72 %. L'évaluation a utilisé plus de 600 documents dans plus de 12 langues, sourcés auprès de fournisseurs tiers. Sur le benchmark public OlmOCRBench, OCR 4 obtient un score de 85,20.
Ces benchmarks sont publiés par Mistral. La méthodologie d'évaluation indépendante — qui a sélectionné les annotateurs, comment les documents ont été choisis — n'est pas entièrement transparente dans l'annonce officielle.
Sur le fil Hacker News consacré à Unlimited-OCR — le modèle open source de Baidu sorti simultanément — un praticien ayant dix ans d'expérience en parsing documentaire a écrit sans détour : "L'OCR, ça craint encore en 2026." Un autre utilisateur signalait des résultats sans correction sur des centaines de pages manuscrites avec un modèle concurrent. La performance varie fortement selon le type de document, la langue et la qualité de la source.
Tarification
4 dollars pour 1 000 pages, réduit à 2 dollars avec le Batch-API. Un seul endpoint pour l'extraction brute et la sortie structurée Document AI.
Ce que OCR 4 ne fait pas
OCR 4 est un modèle de compréhension de documents, pas un décisionnaire. Il n'est pas conçu pour le diagnostic médical, le jugement juridique, ou les décisions financières à enjeux élevés. Il est également inadapté aux systèmes critiques pour la sécurité, au traitement en temps réel, ou aux entrées non documentaires comme l'audio ou la vidéo bruts.
La vraie lecture
Une fois qu'une entreprise adopte OCR 4 pour l'extraction documentaire, la suite de modèles Mistral — Medium 3.5 pour le raisonnement, la plateforme agentique Vibe pour l'exécution de tâches — devient l'étape suivante naturelle dans la stack. C'est le modèle de land-and-expand standard, appliqué au document comme point d'entrée.
Bloomberg a récemment rapporté que Mistral est en discussion préliminaire pour lever environ €3 milliards à une valorisation de roughly €20 milliards — presque le double de sa valorisation de la série C de septembre 2025. À ce jour, Mistral a levé environ $4 milliards, une fraction de ce qu'ont capté ses principaux concurrents américains. Mistral cible €1 milliard de revenus pour 2026, contre €200 millions en 2025 selon Le Monde.
OCR 4 s'appuie sur un marché mondial du traitement intelligent de documents estimé à $4,4 milliards, avec un taux de croissance annuel composé prévu à 33,1 % jusqu'en 2030, selon Grand View Research. Ces chiffres proviennent du cabinet d'études cité dans l'article de VentureBeat, pas de Mistral directement.
Mistral est une entreprise d'environ 1 000 employés avec l'ambition de concurrencer des laboratoires qui ont levé quarante fois plus de capital. Elle ne peut pas gagner une course aux modèles généralistes contre OpenAI et Anthropic. OCR 4 est un pari sur la spécialisation et la souveraineté comme vecteurs de revenus enterprise — avant une introduction en bourse dont personne ne donne le calendrier officiel.
TL;DR
Mistral publie OCR 4, un modèle d'extraction documentaire structurée qui cible directement les entreprises européennes en conformité avec l'AI Act — et arrive au moment précis où Mistral négocie une levée de fonds à €20 milliards.
- OCR 4 retourne bounding boxes, classification de blocs et scores de confiance par mot en 170 langues, deployable en conteneur unique on-premises : l'argument de souveraineté des données est structurel, pas marketing.
- À $4 pour 1 000 pages, le modèle est le point d'entrée d'un pipeline qui mène vers Medium 3.5 et la plateforme agentique Vibe — une stratégie land-and-expand explicite.
- Mistral cible €1 milliard de revenus en 2026 contre €200 millions en 2025 : OCR 4 est autant une preuve de traction enterprise pour les futurs investisseurs qu'un lancement produit.
Questions fréquentes
En quoi le déploiement on-premises d'OCR 4 diffère-t-il concrètement des offres de résidence de données des acteurs américains ?
Un fournisseur américain hébergeant des données en Europe reste soumis au droit américain — CLOUD Act, ordres de communication gouvernementaux. Mistral, entité française sous juridiction UE, proposant un conteneur déployé dans l'infrastructure du client, signifie que les documents ne quittent jamais les serveurs de l'entreprise. La distinction juridique est réelle et vérifiable par les équipes juridiques internes.
Les benchmarks publiés par Mistral sont-ils fiables pour évaluer le modèle sur mes propres documents ?
Les benchmarks OlmOCRBench et les évaluations par annotateurs indépendants portent sur plus de 600 documents dans 12 langues — ce qui est sérieux en volume. Mais Mistral a sélectionné les documents et publié les résultats. Pour des formats métier spécifiques (formulaires fiscaux, documents réglementaires, factures complexes), aucune substitution à un pilote sur données réelles.
Quel est le positionnement d'OCR 4 face à Google Document AI ou Amazon Textract pour une DSI qui a déjà investi dans l'un de ces écosystèmes ?
Les trois produits ciblent le même cas d'usage enterprise, mais avec une différence de juridiction irréductible. Google et Amazon sont des fournisseurs américains — leurs APIs font transiter les données hors infrastructure cliente. OCR 4 offre un déploiement conteneurisé qui élimine ce transit. Pour les secteurs sous contrainte réglementaire forte (banque, assurance, santé, défense), c'est le critère de sélection qui peut primer sur la performance brute.