Le 23 juin 2026, Mistral AI a lancé OCR 4. Ce n'est pas une simple mise à jour d'OCR, mais un modèle d'intelligence documentaire qui transforme n'importe quel document en données structurées exploitables, et qui peut tourner entièrement sur votre propre infrastructure. Pour une entreprise européenne soumise au RGPD, c'est une brique enfin concrète pour bâtir des agents documentaires sans envoyer le moindre document sensible vers une API cloud tierce.
Chez RedArrow, ce lancement change directement ce que nous pouvons vous proposer. Voici pourquoi.
Ce que fait vraiment Mistral OCR 4
Là où un OCR classique se contente de recracher du texte brut, OCR 4 renvoie une représentation structurée du document entier :
- du texte extrait en sortie Markdown, prêt à l'emploi ;
- des bounding boxes, c'est-à-dire les coordonnées précises de chaque élément sur la page ;
- une classification des blocs par type : titres, tableaux, équations, signatures ;
- un score de confiance par mot et par page, pour fiabiliser les workflows de vérification.
Le modèle gère 170 langues réparties en 10 groupes linguistiques, avec des progrès notables sur les langues rares, et accepte les formats PDF, DOC, PPT et OpenDocument.
Mistral OCR 4 en tête sur OlmOCRBench (85 %) et sur l'évaluation multilingue (98 %). Source : Mistral AI.
Le vrai tournant : un conteneur unique, sur votre infrastructure
C'est le point qui nous intéresse le plus. OCR 4 est assez compact pour se déployer en un seul conteneur, en auto-hébergement complet. Concrètement, les documents ne quittent jamais votre environnement : ni vers le cloud de Mistral, ni vers une API américaine.
Pour les organisations soumises à des exigences de résidence et de souveraineté des données (santé, juridique, finance, secteur public, industrie), cela lève d'un coup le blocage habituel de l'OCR par IA. Fini le « le modèle est génial, mais je ne peux pas envoyer mes contrats, mes dossiers patients ou mes pièces comptables à un tiers ». Mistral étant une société française opérant sous juridiction européenne, la cohérence réglementaire est totale.
Des benchmarks qui placent OCR 4 en tête
Mistral a fait évaluer le modèle par des annotateurs indépendants, sur plus de 600 documents réels dans plus de 12 langues. Résultat : OCR 4 est préféré à tous les systèmes concurrents testés, avec un taux de victoire moyen de 72 %.
OCR 4 l'emporte dans 82 % des cas face à AWS Textract, 74 % face à Azure, 70 % face à Gemini 3.1 Pro. Source : Mistral AI.
Dans le détail, OCR 4 décroche le meilleur score sur OlmOCRBench (85,20) et atteint 93,07 sur OmniDocBench. Côté tarif, l'API est facturée 4 $ pour 1 000 pages, et descend à 2 $ pour 1 000 pages en mode batch. Le modèle est disponible via l'API Mistral, Document AI dans Mistral Studio, Amazon SageMaker et Microsoft Foundry.
Du document brut au RAG prêt à citer
OCR 4 n'est pas qu'un extracteur : c'est une brique d'ingestion du Search Toolkit de Mistral. Les blocs typés et proprement segmentés deviennent des unités de récupération directement exploitables dans un pipeline RAG. Traduction : vous passez du document scanné à des réponses sourcées, avec citations, sans construire toute la couche de prétraitement vous-même.
C'est précisément ce qu'il faut pour un agent documentaire fiable : non seulement il répond, mais il sait pointer la page et le paragraphe d'où vient l'information.
Ce que RedArrow peut désormais vous proposer
Un pipeline documentaire hébergé chez vous : les documents restent à l'intérieur, la souveraineté est garantie.
Avec un OCR de ce niveau déployable on-premise, nous pouvons désormais assembler une catégorie de systèmes que beaucoup d'entreprises attendaient sans pouvoir la concrétiser :
- Agents documentaires 100 % souverains : extraction, indexation et interrogation de vos documents (contrats, factures, dossiers techniques, comptes-rendus) sur un serveur que vous contrôlez, sans aucune sortie vers le cloud. Cela prolonge directement notre approche du RAG 100 % privé.
- Pipelines d'extraction structurée : transformer des piles de PDF hétérogènes en données propres et exploitables (tableaux, montants, dates, signatures), branchées sur vos outils métier. C'est notre terrain de l'ETL et des pipelines de données.
- RAG citation-ready hébergé en France : un assistant interne qui répond aux questions de vos équipes en citant la source exacte, sans que vos documents ne quittent votre infrastructure.
- Agents métier de bout en bout : coupler OCR 4 à nos agents IA sur mesure pour automatiser un process complet, de la lecture d'un document entrant jusqu'à la décision et la mise à jour de votre CRM ou ERP.
Le frein numéro un que nous entendons depuis deux ans, « on aimerait un agent IA sur nos documents, mais nos données sont trop sensibles pour le cloud », tombe. La souveraineté n'est plus un compromis sur la qualité : OCR 4 est à la fois le mieux classé des benchmarks et auto-hébergeable. Pour creuser le sujet, voir notre dossier sur l'IA souveraine et l'AI Act et les 22 mesures de souveraineté de Mistral.
Notre avis chez RedArrow
OCR 4 confirme une conviction que nous défendons depuis longtemps : la souveraineté des données et la performance ne sont plus opposées. Pendant des années, choisir l'auto-hébergement revenait à accepter un modèle moins bon. Mistral vient de casser ce compromis avec un OCR qui gagne les benchmarks et qui tient pourtant dans un conteneur sur votre propre serveur.
Pour les PME et ETI françaises, cela déplace la question. Le sujet n'est plus « est-ce que je peux faire de l'IA documentaire sans risque ? » mais « par quel cas d'usage je commence ? ». Un service juridique qui indexe ses contrats, un cabinet comptable qui structure ses pièces, un industriel qui exploite ses dossiers techniques : tous peuvent maintenant déployer un agent documentaire sans arbitrer entre conformité et qualité.
Notre rôle chez RedArrow, c'est de transformer cette brique technologique en système qui tourne réellement dans votre environnement : choix de l'infrastructure, intégration au système d'information, conception de l'agent et de son interface, et garantie que la donnée reste en France. Si vous traitez beaucoup de documents et que la confidentialité est un enjeu, c'est le bon moment pour en parler avec nous.
FAQ
Mistral OCR 4 peut-il vraiment fonctionner sans cloud ? Oui. OCR 4 se déploie en un conteneur unique sur votre propre infrastructure, en auto-hébergement complet. Vos documents ne sont jamais envoyés vers une API externe, ce qui répond aux exigences de résidence et de souveraineté des données.
En quoi OCR 4 diffère-t-il d'un OCR classique ? Un OCR classique extrait du texte brut. OCR 4 renvoie une structure complète : texte en Markdown, bounding boxes, classification des blocs (titres, tableaux, équations, signatures) et un score de confiance par mot. Ces sorties sont directement exploitables dans un pipeline RAG prêt à citer ses sources.
Combien coûte Mistral OCR 4 ? Via l'API, le tarif est de 4 $ pour 1 000 pages, et de 2 $ pour 1 000 pages en mode batch. En auto-hébergement, le coût dépend de votre infrastructure, mais la donnée reste chez vous. RedArrow vous aide à dimensionner et à déployer la solution adaptée à votre volume.
Sources : VentureBeat, AI Business, Mistral AI.
