OvisOCR2 (0,8B) domine OmniDocBench face aux pipelines OCR

Un petit modèle open-weights vient de s'installer en tête d'un classement OCR jusque-là trusté par les pipelines multi-étapes. C'est le point saillant d'OvisOCR2, publié par ATH-MaaS sur Hugging Face et présenté comme «A compact 0.8B end-to-end model for page-level document parsing».

Le fonctionnement est direct: on lui donne l'image d'une page, il rend un Markdown en ordre de lecture naturel avec le texte, les formules en LaTeX, les tables en HTML et les zones visuelles balisées. Selon la fiche modèle, il est obtenu par post-training de Qwen3.5-0.8B via une recette multi-étapes combinant SFT, RL et OPD, sur un mélange de données réelles et synthétiques.

Les chiffres avancés sont ce qui rend la sortie notable: 96,58 sur OmniDocBench v1.6, ce qu'ATH-MaaS décrit comme le premier score end-to-end à dominer ce leaderboard, précédemment porté par des approches pipeline; et 75,06 en Avg3 sur PureDocBench. Le tout est distribué sous licence Apache 2.0, ce qui laisse la porte ouverte à des déploiements commerciaux internes.

Le franc-jeu, c'est que la fiche prévient elle-même qu'«OvisOCR2 may still produce incorrect or incomplete outputs» et recommande une vérification manuelle en usage critique. Ce que le résumé disponible ne donne pas non plus, ce sont des scores découpés par langue, une latence sur matériel courant, ni une comparaison chiffrée frontale avec les pipelines détrônés. Si les scores tiennent sur des corpus métiers, l'arbitrage entre pipelines propriétaires et un 0,8B qui tient sur du matériel modeste change pour tout le monde, à commencer par les équipes qui traitent en interne de gros volumes documentaires.