MiniCPM-OCR 1.0 : OpenBMB publie un petit modèle d'OCR sous Apache 2.0, accompagné d'un second modèle qui note la fiabilité du résultat

OpenBMB, le collectif open source à l’origine de la famille de modèles MiniCPM, a publié le mardi 27 octobre la suite MiniCPM-OCR, annoncée sur X à 17 h 52, heure de Paris. Elle réunit deux modèles aux poids téléchargeables sous licence Apache 2.0 : MiniCPM-OCR 1.0, qui lit et structure des documents, et MiniCPM-OCR Jev, qui vérifie le travail du premier.

L’idée est simple à formuler : un moteur d’OCR (reconnaissance de caractères) qui « termine » une page ne dit pas s’il s’est trompé. OpenBMB propose donc un lecteur rapide et un contrôleur capable de signaler les passages douteux.

Un lecteur de documents de 1,3 milliard de paramètres

Selon sa fiche Hugging Face, MiniCPM-OCR 1.0 compte 1,3 milliard de paramètres. C’est le premier modèle dédié à l’OCR de la famille MiniCPM-V : il est entraîné à partir de MiniCPM-V 4.6, qui associe un encodeur visuel SigLIP et un modèle de langage Qwen3.5. Il reconnaît le texte, les tableaux, les formules, les graphiques et les tampons, et sait extraire des champs précis (le nom d’un magasin et le montant d’un ticket, par exemple) sous forme de JSON.

Le modèle ne lit pas une page d’un seul bloc. Le kit de développement découpe d’abord le document avec un modèle de mise en page (PP-DocLayoutV3), envoie chaque zone au modèle, puis réassemble le tout en Markdown dans l’ordre de lecture, avec les tableaux en HTML et les formules en LaTeX. Les langues visées en priorité sont le chinois et l’anglais ; la documentation montre toutefois un exemple d’affinage sur des lignes d’écriture manuscrite en français.

Un second modèle qui note chaque passage

MiniCPM-OCR Jev (2 milliards de paramètres, dérivé de Qwen3.5-2B) ne lit pas de documents : il reçoit l’image d’une zone et le texte qu’un moteur d’OCR en a tiré, et renvoie un score de 0 à 1, d’autant plus élevé que le résultat a des chances d’être juste. OpenBMB a remplacé la tête de sortie du modèle de langage par une tête de classification binaire.

Trois usages sont décrits : accepter automatiquement les zones au-dessus d’un seuil, envoyer les autres à une relecture humaine, ou faire lire la même zone par plusieurs moteurs d’OCR et garder le meilleur résultat. Jev ne dépend pas de MiniCPM-OCR : l’éditeur l’a testé sur les sorties de GLM-OCR, PaddleOCR-VL-1.6 et Xiaomi-OCR-0. Le seuil reste à fixer soi-même, sur ses propres documents, comme le précise la fiche.

Des chiffres à vérifier

Tous les résultats publiés viennent d’OpenBMB. MiniCPM-OCR 1.0 obtiendrait 93,68 sur Real5-OmniDocBench, un test de documents réels (pages scannées, courbées, photographiées ou de travers), et 54,7 sur OCRBench v2. Côté vitesse, l’éditeur annonce 1,2 page par seconde sur une carte NVIDIA GeForce RTX 5090, soit 1,49 fois PaddleOCR-VL-1.6 et 3,62 fois MinerU2.5 Pro, et jusqu’à 128 pages par minute en parallélisant les traitements.

Pour Jev, l’aire sous la courbe ROC (AUROC, ×100), qui mesure la capacité à séparer bons et mauvais résultats, atteindrait 93,6 sur JevOCRBench, au-dessus de JEV-35B-A3B (90,1) et proche de Qwen3.5-397B-A17B (93,8), un modèle bien plus gros. Mais ce banc d’essai est celui de l’éditeur, et le test sur quatre moteurs d’OCR ne porte que sur 200 échantillons.

Prêt à déployer

Les deux modèles fonctionnent dès leur sortie avec vLLM, SGLang, llama.cpp et Ollama, existent en versions quantifiées (GGUF, AWQ, GPTQ) et peuvent être affinés. OpenBMB cite une prise en charge du premier jour chez Arm, Houmo AI, Intel et NVIDIA, et d’autres fabricants de puces via FlagOS. Une démo en ligne et une API sont aussi accessibles sur la plateforme de ModelBest, vers laquelle renvoie l’annonce.