OCR Benchmark: Précision de l'extraction / capture de texte
OCR La précision est cruciale pour de nombreuses tâches de traitement de documents, et les LLM multi-modaux de pointe offrent désormais une alternative au OCR. Nous avons évalué les principaux services de OCR dans DeltOCR Bench pour identifier leurs niveaux de précision sur différents types de documents :
- Écriture manuscrite : GPT-5 (95 %) se distingue comme le meilleur performant, suivi de près par olmOCR-2-7B (94 %) et Gemini 2.5 Pro (93 %).
- Médias imprimés : Gemini 2.5 Pro, Google Vision et Claude Sonnet 4.5 dominent cette catégorie avec le score le plus élevé (85 %)
- Texte imprimé : Microsoft Azure Document Intelligence API est en tête avec un score de 96 %.
OCR Benchmark : DeltOCR Bench
Les noms complets des produits ci-dessus et leurs versions utilisées en novembre 2025 sont listés ci-dessous. Notre étude couvre à la fois les services API facilement accessibles et les solutions nécessitant une infrastructure sur site, en comparant les modèles clés du marché dans un environnement de test approfondi.
- Écriture manuscrite :
- Plage de précision : Une large plage allant de 46 % à 95 %.
- Points forts : GPT-5 (95 %), olmOCR-2-7B (94 %) et Gemini 2.5 Pro (93 %) affichent les performances les plus élevées. Ces scores élevés démontrent le potentiel de précision extraordinaire des LLM multi-modaux, tels que GPT-5 et Gemini 2.5 Pro, dans ce domaine.
- Recommandation : Pour la reconnaissance d'écritures manuscrites très complexes, les meilleures solutions LLM comme GPT-5 ou Gemini 2.5 Pro sont recommandées en raison de leur accessibilité via API et de leur facilité d'intégration.
- Médias imprimés :
- Plage de précision : Une plage allant de 54 % à 85 %.
- Points forts : Des solutions telles que Gemini 2.5 Pro, Google Vision et Claude Sonnet 4.5 partagent le score le plus élevé (85 %). Cette catégorie est très compétitive parmi les LLM et les services OCR cloud traditionnels (Azure, Dots OCR, Amazon Textract). GPT-5 prend du retard par rapport aux autres LLM leaders dans cette catégorie (77 %).
- Recommandation : Pour les documents avec des mises en page visuelles complexes (polices multiples, faible résolution, etc.), les LLM comme Gemini 2.5 Pro, ou les services cloud comme Google Vision, ou Microsoft Azure Document Intelligence API sont recommandés.
- Texte imprimé :
- Plage de précision : Une plage élevée de 55 % à 96 %, bien que la plupart des solutions leaders aient obtenu des scores de 94 % et plus.
- Points forts : Microsoft Azure Document Intelligence API (96 %) prend la tête, suivi de près par des solutions comme GPT-5, Gemini 2.5 Pro, Gemini 3 Pro Preview, Google Vision et Amazon Textract, tous obtenant 95 %. Cette catégorie est un domaine où toutes les solutions de pointe atteignent des niveaux de précision extrêmement élevés.
- Recommandation : Pour les textes imprimés simples nécessitant une haute précision, des solutions cloud éprouvées comme Microsoft Azure Document Intelligence API ou Google Vision, ou des LLM à haut score (Gemini/GPT-5), peuvent être utilisés en toute confiance.
API Solutions
Les modèles suivants ont été inclus dans notre liste de benchmark en raison de leur facilité d'accès et de leurs performances.
- Claude Sonnet 4.5
- OpenAI GPT-5
- Gemini 2.5 Pro
- Gemini 3 Pro Preview
- Amazon Textract API
- Google Cloud Vision API
- Microsoft Azure Document Intelligence API
- Moondream OCR
- Mistral OCR 3
- Mistral OCR 2
Microsoft Azure Document Intelligence API fait partie de la famille des services cognitifs Azure.
Modèles déployés en local (sur site)
Le test de ces modèles est plus difficile que les solutions API en raison de l'installation, de la gestion des dépendances et des exigences matérielles. Tous les tests locaux ont été effectués dans un environnement serveur dédié.
- olmOCR-2-7B
- PaddleOCR-VL
- Nanonets-OCR2-3B
- Deepseek-OCR
- Dots-OCR
Nous avons calculé la précision des résultats comme le score de similarité cosinus pour le texte imprimé, les médias imprimés et l'écriture manuscrite. Chaque score visible dans le graphique représente la performance du modèle correspondant dans cette catégorie.
Lors de nos tests, nous avons observé que le modèle Nanonets-OCR2-3B a fourni les performances les plus faibles du benchmark, obtenant les scores les plus bas. Généralement, nous avons constaté que certains modèles avaient des difficultés particulières avec l'écriture manuscrite cursive et les mises en page de texte désorganisées (ordre des lignes mixte, capitalisation incohérente). Des problèmes de performance similaires sont également apparus dans la catégorie des médias imprimés, en particulier avec les images de faible résolution et celles contenant plusieurs styles de police.
Jeu de données
Nous avons utilisé un total de 300 documents dans ce benchmark, avec 100 documents par catégorie sur 3 catégories :
Texte imprimé comprend des lettres, des captures d'écran de sites web, des e-mails, des rapports, etc.
Médias imprimés comprend des affiches, des couvertures de livres, des publicités, etc. Nous avons cherché à voir le succès des outils OCR avec différentes polices et placements de texte.
Les Fichiers de ces 2 catégories proviennent de la Industry Documents Library (IDL).1
Écriture manuscrite : Dans la catégorie manuscrite, comme certains documents IDL n'étaient pas faciles à lire, notre équipe a généré des documents similaires aux documents IDL. Nous avons préparé manuellement des échantillons d'écriture manuscrite lisible par l'homme. Tous les échantillons étaient dans un style d'écriture cursive.
Méthodologie de DeltOCR Bench
Ce benchmark se concentre sur la précision de l'extraction de texte des produits.
Le prétraitement est effectué uniquement pour la catégorie de l'écriture manuscrite. Nous avons pris des photos de documents manuscrits avec nos smartphones et utilisé une application de numérisation mobile :
- Les images ont été converties en noir et blanc
- Le contraste a été augmenté et l'arrière-plan a été supprimé.
OCR : Nous avons exécuté tous les produits sur le même jeu de données et généré des sorties de texte sous forme de fichiers texte brut (.txt). Ensuite, nous avons préparé manuellement la vérité terrain incluant le texte correct dans tous ces fichiers. La vérité terrain a été vérifiée deux fois par des humains.
Comparaison : Nous avons mesuré la précision des solutions OCR en comparant leurs sorties avec les textes originaux. À cette fin, nous avons utilisé le framework Sentence-BERT (SBERT) pour calculer les scores de similarité cosinus. Dans le benchmark, nous avons utilisé le modèle de paraphrase multilingue performant, MiniLM-L12-v2, pour calculer le score de similarité entre la sortie de chaque produit et les textes de vérité terrain. Ce score représente le niveau de précision du texte.
La fonction de similarité utilise une métrique de distance cosinus pour calculer la similarité entre deux textes. Nous n'avons pas utilisé la distance de Levenshtein pour ce benchmark car différents produits sortent des textes dans des ordres différents.2
Bien que la distance de Levenshtein prenne en compte ces différences, nous cherchons uniquement à savoir à quel point le texte est détecté avec précision, mais pas où il est situé. La distance cosinus a des pénalités négligeables pour de tels cas, nous avons donc décidé de l'utiliser dans ce benchmark.
Sélection des produits
Il existe de nombreux produits OCR sur le marché. Nous devons nous concentrer sur ceux qui peuvent produire des résultats de texte brut. Les produits pour ce benchmark sont choisis en fonction de :
- Capacité d'extraction de texte. Nous n'avons pas inclus de solutions qui extraient uniquement des données lisibles par machine (c'est-à-dire des données structurées) dans cette comparaison
- Leur popularité sur le marché
Ce n'est pas un examen complet du marché, et nous avons peut-être exclu certains produits ayant des capacités significatives. Si tel est le cas, veuillez laisser un commentaire, et nous serons heureux d'étendre le benchmark.
Limitations
Les capacités avancées telles que la détection de l'emplacement du texte, l'appariement clé-valeur et la classification de documents n'ont pas été évaluées dans ce benchmark.
La taille de l'échantillon sera augmentée dans la prochaine itération. Si vous recherchez de l'OCR pour l'écriture manuscrite, consultez notre benchmark d'OCR pour l'écriture manuscrite avec 50 échantillons.
Vous pouvez également consulter notre benchmark d'OCR pour les factures et le benchmark d'OCR pour les reçus si vous êtes intéressé.
Résultats précédents du benchmark OCR
- Google Cloud Vision et AWS Textract sont les technologies leaders sur le marché pour tous les cas
- Abbyy a également de hautes performances pour les documents non manuscrits
- Tous les OCR évalués, y compris l'open source Tesseract, ont bien performé sur les captures d'écran numériques.
La plateforme Google Cloud Platform's Vision OCR atteint la plus haute précision de texte de 98,0 % lorsque l'ensemble des données est testé. Bien que tous les produits performent au-dessus de 99,2 % avec la catégorie 1, où les textes dactylographiés sont inclus, les images manuscrites des catégories 2 et 3 créent la véritable différence entre les produits.
Les résultats globaux montrent que GCP Vision et AWS Textract sont les produits OCR dominants, avec la plus haute précision dans la reconnaissance du texte donné.
Notes des résultats globaux :
- Il y a un seul moment où AWS Textract a échoué à reconnaître le texte manuscrit. Cette situation réduit considérablement la performance de la catégorie et totale d'AWS Textract. Cela augmente également la déviation au sein de la catégorie et globalement, car AWS Textract se comporte très bien dans tous les autres cas.
- Azure est le produit leader dans la catégorie 1 avec une précision de 99,8 %. Cependant, le produit échoue souvent à reconnaître le texte manuscrit, comme le montrent les résultats de la deuxième catégorie. C'est la raison pour laquelle Azure prend du retard dans la troisième catégorie et globalement.
- Tesseract OCR est un produit open-source qui peut être utilisé gratuitement. Comparé à Azure et ABBYY, il se comporte mieux dans les cas manuscrits et peut être considéré pour la reconnaissance d'écriture manuscrite si l'utilisateur ne peut pas obtenir de produits AWS ou GCP. Cependant, il peut se comporter médiocrement sur les images numérisées.
- Contrairement aux autres produits, ABBYY produit un fichier .txt plus structuré. ABBYY prend également en compte l'emplacement du texte dans l'image lors de la génération du fichier de sortie. Bien que le produit ait des capacités supplémentaires utiles, nous nous concentrons uniquement sur la précision du texte dans ce benchmark. Et il a mal performé dans la reconnaissance d'écriture manuscrite.
Suppression de l'image « Trouble-Maker »
Comme mentionné dans les résultats globaux, il y avait une seule image « aberrante » où AWS Textract n'a pu reconnaître aucun texte. Bien que le produit affiche plus de 95 % de précision de texte sur toutes les autres images, cet exemple a réduit la performance d'AWS et élargi son intervalle de confiance.
Comme cet exemple pourrait être une exception, nous avons également voulu comparer les produits sans lui. Nous avons appelé cette image le « troublemaker » et relancé nos résultats pour voir s'ils faisaient une différence.
Voici les nouveaux résultats après l'exclusion du « trouble-maker » du jeu de données.
Lorsque le « trouble-maker » est exclu, AWS Textract devient le meilleur performant avec un niveau de précision de texte presque parfait (99,3 %) et un intervalle de confiance étroit. Bien que les scores ne changent pas beaucoup, GCP Vision et AWS Textract restent les 2 meilleurs produits, avec une meilleure précision de texte que les autres.
Résultats sans reconnaissance d'écriture manuscrite
Le principal facteur réduisant la précision de texte de certains produits est la présence d'écriture manuscrite dans les images. Ainsi, nous avons exclu toutes les images (toutes les images de la catégorie 2 et 6 images de la catégorie 3) et réévalué la performance de précision de texte, à nouveau.
Les résultats sont plus serrés lorsque les images manuscrites sont exclues. AWS Textract et GCP Vision restent les 2 meilleurs produits du benchmark, mais ABBYY FineReader se comporte également très bien (99,3 %) cette fois. Bien que tous les produits atteignent plus de 95 % de précision lorsque l'écriture manuscrite est exclue, Azure Computer Vision et Tesseract OCR continuent de lutter avec les documents numérisés, les plaçant en arrière dans cette comparaison.
Produits évalués
Nous avons testé cinq produits OCR pour mesurer leur performance de précision de texte. Nous avons utilisé les versions disponibles en mai 2021. Les produits utilisés sont :
- ABBYY FineReader 15
- Amazon Textract
- Google Cloud Platform Vision API
- Microsoft Azure Computer Vision API
- Tesseract OCR Engine
Jeu de données
Bien qu'il existe de nombreux jeux de données d'images pour l'OCR, ceux-ci sont
- principalement au niveau des caractères et ne correspondent pas aux cas d'utilisation réels des entreprises
- ou se concentrent sur l'emplacement du texte plutôt que sur le texte lui-même.
Ainsi, nous avons décidé de créer notre propre jeu de données selon trois catégories principales :
- Catégorie 1 – Captures d'écran de pages web incluant du texte : Cette catégorie comprend des captures d'écran de pages Wikipedia aléatoires et des résultats de recherche Google avec des requêtes aléatoires.
- Catégorie 2 – Écriture manuscrite : Cette catégorie comprend des photos aléatoires incluant différents styles d'écriture manuscrite.
- Catégorie 3 – Reçus, factures et contrats numérisés : Cette catégorie comprend une collection aléatoire de reçus, de factures manuscrites et de contrats d'assurance numérisés collectés sur Internet.
Tous les fichiers d'entrée sont au format .jpg ou .png.
Limitations
- Jeu de données limité : À l'origine, nous avions une quatrième catégorie composée de photos de journaux pour évaluer la performance des produits dans les documents imprimés. Cependant, ces photos contiennent trop de texte, rendant difficile la génération de vérité terrain. Ainsi, nous avons décidé de ne pas les utiliser.
- Incohérences dans les formats de sortie : De nombreuses images incluent des instances de texte séparé sur les côtés gauche et droit. Les produits extraient ces textes dans des ordres différents, ce qui fait que les fichiers de sortie sont différents, bien que les textes soient détectés avec précision. Cette situation nous a empêchés d'utiliser d'autres mesures de distance (comme la distance de Levenshtein) et a limité nos options pour calculer la précision du texte.
- Problème possible avec la distance cosinus : La distance cosinus utilise des embeddings lors du calcul de la similarité. Par exemple, comparer les phrases « J'aime le thé » et « J'aime le café » donnerait un score de similarité plus élevé qu'il ne devrait. Cependant, des cas comme confondre le mot « thé » avec « café » seraient rares, nous n'avons donc pas considéré cette possibilité dans cet exercice.
Nous utilisons d'autres données de marché (par exemple, des critiques de logiciels, des études de cas clients) pour classer les fournisseurs de logiciels. Cependant, comme la plupart des entreprises utilisent le terme « OCR » lors de la recherche de solutions d'extraction de données (c'est-à-dire incluant celles qui génèrent des données lisibles par machine), notre liste a une portée plus large et plus d'entreprises que celles présentées dans cet exercice de benchmarking.
Ajouter comme source préféréeFAQ
Reconnaissance optique de caractères (OCR) est un domaine de l'apprentissage automatique qui se spécialise dans la distinction des caractères au sein d'images comme des documents numérisés, des livres imprimés ou des photos. Bien que ce soit une technologie mature, il n'existe toujours pas de produits OCR capables de reconnaître tous les types de texte avec une précision de 100 %. Parmi les produits que nous avons évalués, seuls quelques produits ont pu produire des résultats réussis à partir de notre ensemble de test.
OCR Les outils sont utilisés par les entreprises pour identifier les textes et leurs positions dans les images, classer les documents commerciaux selon des sujets, ou effectuer un appariement clé-valeur au sein des documents. Sur la base des résultats OCR, d'autres entreprises technologiques construisent des applications comme l'automatisation des documents. Pour tous ces cas d'entreprise, une reconnaissance de texte précise est cruciale pour un produit OCR.
Citez ce benchmark
Choisissez le format qui correspond à votre lieu de publication. Coller la version avec lien dans votre CMS préserve le lien retour.
@misc{dilmegani2026,
author = {Dilmegani, Cem and Alper, Şevval},
title = {{OCR Benchmark: Précision de l'extraction / capture de texte}},
year = {2026},
month = jun,
howpublished = {\url{https://aimultiple.com/ocr-accuracy}},
note = {AIMultiple. Consulté le 29 Juin 2026}
}Liens de référence
Commentaires 8
Partagez vos idées
Votre adresse courriel ne sera pas publiée. Tous les champs sont obligatoires. Les commentaires sont laissés dans leur langue d'origine.
Did you ever think of oncluding multimodal llms in your comparison, like gpt4o, llama 3.2. gemini, claude etc.?
Hi Serhat and thank you for your comment, Yes, we added those for which we have API access like Claude and GPT-4o.
Just stumbled on this milestone assessment update. Could you kindly elaborate further on the three revised datasets: Thanks for this work. Character Sets When someone refers to 'handriting', that can mean many things: 'handwriting style' typefaces (per Docusign, etc.), and hand-printed (block printing and mixed-case printing) as often found in combs and box delineators, and finally, cursive or longhand writing (exclusive of signatures). Character Context Structured content, semi-structured content, and unstructured content. Image Qualities (bitonal, greyscale, full colour, spatial dpi, from a scanner/cell-phone/native rendering, image 'enhancements' prior to OCR (thickening, local gamma, background dropout, sharpening, smoothing, noise removal, etc.) These can have significant impacts, and some don't realize the importance of including these benchmark differentiators.
Hi there, thank you for the detailed comment, we are updating the article to include these details.
Hello, great work! Just curious, did you use a trained Tesseract when making these testing?
Hi, Webster. Glad you enjoyed the article. The tools we tested were: ABBYY FineReader 15 Amazon Textract Google Cloud Platform Vision API Microsoft Azure Computer Vision API Tesseract OCR Engine Hope this answers your question.
The graph images are not working for me at the moment. Otherwise great
Thank you Bobby! We have a glitch in the CMS and we are fixing it. Apologies for the issue, it should be fixed next week.
Thanks for sharing, can you add a free OCR for everyone to use? https://www.geekersoft.com/ocr-online.html
Hi Samsun, unfortunately, we don't share all OCR providers on this page, there are thousands of them. We tried to put together the largest ones in terms of market presence. If you have evidence that your solution is one of the top 10 globally, please share it with us at info@aimultiple.com so we can consider it.
What version of Tesseract did you test with? They recently released v5.
Hi Scott, we did the benchmarking before Tesseract 5. We will redo it soon and include the versions in the methodology section as well.
This is very informative, nice work. I assume your tests used documents/images in English? I've been experimenting with OCR tools on other languages and finding relatively poor accuracy.
Exactly, all text were in English. I hear similar things about OCR on non-Latin characters. We have an Arabic speaker in the team who claims that accuracy in Arabic is much lower compared to English. We can do a benchmark on non-Latin characters if there is demand for it.
interesting post!!! do you have any suggestion about improving accuracy on scanned image ? i'm using tesseract right now. anyway , great work!
Thank you for the comment. There are pre-processing approaches that can be implemented to improve image quality. But such approaches may already be used in Tesseract. A detailed research into Tesseract image processing would be helpful in your case.