Photographier une page ne suffit pas toujours à récupérer un document exploitable : les colonnes se mélangent, les tableaux perdent leurs cases et les formules deviennent illisibles. Xiaomi-OCR-0 s’attaque à ces problèmes avec un modèle spécialisé de 0,8 milliard de paramètres. Le projet de Xiaomi Research associe lecture du texte, compréhension de la page et extraction structurée, avec des fichiers accessibles au public.
Une même IA pour transcrire une page et retrouver une information précise
Le dépôt officiel présente trois usages. Le premier consiste à reconstruire un document en Markdown, un format texte qui conserve une structure de titres et de paragraphes. Les tableaux peuvent être assemblés en HTML et les formules restituées en LaTeX, le langage couramment utilisé pour écrire des expressions mathématiques.
Le deuxième usage est plus ciblé : demander certains champs, puis obtenir une réponse en JSON, un format que des logiciels peuvent réutiliser. Cela vise par exemple un montant ou une date dans un document, plutôt que la transcription intégrale de toutes les lignes. Le troisième permet de poser une question sur le contenu visible d’une page.
Pour un étudiant, un indépendant ou une petite entreprise, ces tâches répondent à des besoins différents. Copier un paragraphe, retrouver une valeur dans un tableau et préparer des données pour un outil de gestion ne demandent pas le même résultat. Le projet cherche à les réunir dans un seul modèle spécialisé.
Les exemples publiés permettent de regarder le résultat avant d’installer
La page de présentation propose des exemples de documents et des restitutions enregistrées. On peut y examiner la récupération de formules, les questions sur une page et l’extraction de champs. Ces exemples sont fournis par les chercheurs : ils donnent un aperçu du fonctionnement, sans constituer un test indépendant sur vos propres fichiers.
Le projet distingue aussi le traitement d’une page entière et une méthode qui repère puis découpe ses différentes régions. Ce choix aide à comprendre pourquoi lire un document n’est pas simplement reconnaître une suite de caractères : il faut également préserver l’ordre et les liens entre ses éléments.
Un modèle ouvert ne devient pas automatiquement une fonction de votre Xiaomi
Les poids sont proposés sous licence Apache 2.0. Le dépôt comprend du code d’exécution, une démonstration locale et des outils pour intégrer l’OCR dans un agent. Il ne s’agit pas d’une mise à jour HyperOS qui apparaîtrait automatiquement sur les smartphones. Le faire fonctionner localement suppose une installation et des ressources adaptées.
La chronologie mérite aussi d’être précisée : le rapport scientifique a été déposé fin septembre et le dépôt date la publication des poids du 30 septembre. La remise en avant du projet fin octobre ne correspond donc pas à sa toute première mise à disposition.
Dans leur rapport technique, les chercheurs évaluent notamment des pages scannées, photographiées ou déformées. Ces mesures restent des résultats de laboratoire. Pour reprendre des données dans une facture, un tableau ou un calcul, relire les nombres et les signes reste indispensable : une transcription propre peut malgré tout contenir une erreur discrète.
Samuel Le Goff suit l’actualité des smartphones, des systèmes d’exploitation mobiles et de l’intelligence artificielle depuis plus de 14 ans. Il couvre notamment Samsung, Xiaomi, Apple, Android, iOS et les grandes tendances du numérique.
