---
title: "Qu’est-ce que l’OCR ? OCR classique ou LLM de vision"
description: "L’OCR transforme le texte des images et des scans en caractères exploitables. Moteurs OCR classiques, LLM de vision qui lisent sans OCR, et ce qu’il faut tester."
url: https://broadrouter.com/fr/glossary/ocr/
lang: fr
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduit de l’anglais avec l’aide de l’IA. [Lire l’original en anglais](https://broadrouter.com/glossary/ocr/) (mis à jour le 2026-11-16).

# Reconnaissance optique de caractères (OCR)

Mis à jour 2026-11-16

La reconnaissance optique de caractères (OCR) est une technologie qui détecte le texte imprimé ou manuscrit d’une image, d’un scan ou d’un PDF et le convertit en caractères lisibles par une machine. L’OCR classique produit le texte et sa position sur la page ; les modèles vision-langage peuvent lire le texte et répondre directement à des questions dessus.

Aussi appelé : OCR, ROC, reconnaissance optique de caractères, reconnaissance de texte, image vers texte, OCR de documents, extraction de texte de scans, optical character recognition, text recognition, image to text, document OCR, scanned text extraction

L’OCR est l’étape qui transforme la photo d’un ticket de caisse en texte qu’un programme peut rechercher, stocker ou vérifier.

## Comment ça marche

Un moteur OCR classique repère les zones de texte sur la page, les découpe en lignes et reconnaît les caractères de chaque ligne. Tesseract, le moteur open source le plus connu, a ajouté dans sa version 4 un réseau de neurones LSTM qui reconnaît des lignes entières, et il sait « recognize more than 100 languages » (traduction : « reconnaître plus de 100 langues ») sans configuration. La sortie peut être du texte brut, du hOCR (HTML), du PDF, du PDF à texte invisible, du TSV, de l’ALTO ou du PAGE, ce qui vous donne aussi la position des mots.

L’OCR classique s’arrête aux caractères. Pour savoir quel nombre est le total ou quelle ligne est le nom du fournisseur, il faut ajouter des règles ou un second modèle.

Les modèles vision-langage prennent un autre chemin. La page de la tâche image-text-to-text de Hugging Face décrit les questions-réponses sur documents comme « an OCR-free approach » (traduction : « une approche sans OCR ») : l’image du document va directement à un [modèle vision-langage](https://broadrouter.com/fr/glossary/vision-language-model/), qui la lit et répond. Vous pouvez demander directement des champs et les récupérer en [sortie structurée](https://broadrouter.com/fr/glossary/structured-output/).

|  | OCR classique (p. ex. Tesseract) | LLM de vision |
| --- | --- | --- |
| Sortie | caractères et positions | réponses, résumés ou champs JSON |
| Compréhension de la mise en page | limitée, demande des règles | lit tableaux et libellés en contexte |
| Exécution | en local, sans frais par appel | en général une API, facturée au token |
| Risque | caractères mal lus | caractères mal lus et valeurs inventées |

## Pourquoi c’est important

-   **Coût.** Une image envoyée à une API LLM est facturée en [tokens](https://broadrouter.com/fr/glossary/token/) d’entrée. L’OCR locale n’a pas de frais par appel, mais demande des serveurs et de la maintenance.
-   **Contrôle de la précision.** Un modèle de vision peut renvoyer un total plausible qui ne figure pas sur la page. Demandez-lui de citer le texte source et vérifiez les sommes dans le code.
-   **Arabe.** Le texte de droite à gauche, les formes de lettres liées et le mélange de chiffres arabes et latins compliquent la tâche. Testez tout moteur ou modèle sur vos propres scans.

## Sur BroadNet Inference

BroadNet ne documente pas d’endpoint OCR distinct. Sa documentation montre comment lire une facture en envoyant l’image sous forme d’URL `data:` à un modèle de chat dont la ligne indique images ou vision, comme [DeepSeek V4.1 Flash](https://broadrouter.com/fr/models/deepseek-v4.1-flash/), [BroadNet Gemma 4 VL 26B](https://broadrouter.com/fr/models/gemma-4-vl-26b/) ou [Qwen3.8 27B](https://broadrouter.com/fr/models/qwen3.8-27b/). Avec une clé en paiement à l’usage, l’image compte en tokens d’entrée au prix d’entrée du modèle ($0.10 par million sur Gemma), et les images plus grandes consomment plus de tokens. Suivez le [guide des factures arabes](https://broadrouter.com/fr/guides/read-arabic-invoices-with-vision/), et lisez [OCR arabe avec des LLM de vision](https://broadrouter.com/fr/blog/arabic-ocr-vision-llm/) pour savoir quand l’OCR classique reste le meilleur outil.

## Questions fréquentes

### Quelle différence entre l’OCR et un LLM de vision ?

L’OCR renvoie les caractères trouvés et leur position. Un LLM de vision lit l’image et peut répondre à une question, comme « quel est le total de la facture ? », ou renvoyer des champs nommés en JSON.

### BroadNet a-t-il un endpoint OCR ?

Aucun endpoint OCR distinct n’est documenté. Vous envoyez l’image à un modèle de chat capable de vision sur /v1/chat/completions et demandez le texte ou les champs voulus.

### L’OCR classique vaut-elle encore le coup ?

Oui, pour de gros volumes de pages imprimées propres quand seuls le texte et sa position comptent. Elle tourne en local, sans frais par appel. Les modèles de vision sont meilleurs quand il vous faut des champs, des tableaux ou des réponses plutôt que des caractères bruts.

## Voir aussi

-   [Modèle vision-langage (VLM)](https://broadrouter.com/fr/glossary/vision-language-model/) (terme)
-   [IA multimodale (multimodal AI)](https://broadrouter.com/fr/glossary/multimodal/) (terme)
-   [Sortie structurée (structured output)](https://broadrouter.com/fr/glossary/structured-output/) (terme)
-   [Token](https://broadrouter.com/fr/glossary/token/) (terme)
-   [Normalisation Unicode](https://broadrouter.com/fr/glossary/unicode-normalization/) (terme)
-   [Tokens d’image (image tokens)](https://broadrouter.com/fr/glossary/image-tokens/) (terme)
-   [Lire des factures et reçus arabes avec un modèle de vision](https://broadrouter.com/fr/guides/read-arabic-invoices-with-vision/) (guide)
-   [OCR arabe ou LLM de vision : lire documents et factures en arabe](https://broadrouter.com/fr/blog/arabic-ocr-vision-llm/) (article)
-   [Extraire factures, reçus et formulaires en JSON avec un LLM vision](https://broadrouter.com/fr/blog/extract-data-from-documents-with-vision-llm/) (article)

Essayez-le sur votre vraie charge de travail. Les nouveaux comptes démarrent avec USD 5 de crédit pour Gemma et transcription. DeepSeek, GLM et Qwen3.8 nécessitent une recharge.

[Commencer](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-glossary-ocr&utm_content=page-cta) ·

**Sources**

-   [Tesseract OCR, dépôt GitHub officiel (vérifié le 2026-11-16)](https://github.com/tesseract-ocr/tesseract)
-   [Hugging Face Tasks, image-text-to-text (questions-réponses sur documents sans OCR) (vérifié le 2026-11-16)](https://huggingface.co/tasks/image-text-to-text)
-   [Référence de l’API BroadNet Inference, chat avec une image (vérifié le 2026-11-16) (en anglais)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-glossary-ocr&utm_content=sources)
