OCRia-1 traque l'erreur invisible qui se glisse dans les tableaux lus par les agents IA
— AGENTS
Un modèle de LlamaIndex apprend à replacer chaque valeur d'un tableau ou d'un graphique dans sa structure exacte avant qu'un agent ne s'en serve. L'enjeu se situe en amont de la création, dans les pipelines documentaires qui alimentent de plus en plus d'outils automatisés.
Une valeur juste, mal rattachée à sa colonne, reste une erreur silencieuse. C'est ce défaut que LlamaIndex attaque avec OCRia-1, un modèle de lecture de documents conçu pour préserver la structure d'un tableau ou d'un graphique, pas seulement ses mots. Intégré à LlamaParse, il vise les documents comptables, les contrats d'assurance, les rapports réglementaires, là où une cellule mal placée se répercute ensuite dans une analyse automatique.
Ce terrain concerne d'abord les entreprises qui font tourner des agents de recherche documentaire sur de gros volumes d'archives, finance, assurance, administration. Aucune agence créative ne passe ses journées à corriger des tableaux d'annexes statistiques. Mais ce type de brique technique finit toujours par se loger derrière des outils plus visibles, ceux qu'une équipe marketing ou un studio utilise déjà pour résumer un rapport de marché ou préparer un argumentaire client. La fiabilité de l'extraction en amont conditionne la qualité de ce qui sort en aval, même quand l'utilisateur final ne voit jamais le moteur d'OCR.
La partie la plus convaincante du travail porte sur les graphiques, là où la plupart des outils concurrents échouent nettement selon les scores publiés. Reconstruire une courbe ou une série de barres en données exploitables reste malgré tout une estimation, dépendante de la lisibilité de l'image et de ses échelles. Rien ne garantit une valeur exacte pour chaque point, seulement une structure plus cohérente qu'avant.
Côté vitesse, le système annonce une capacité théorique proche de 880 000 pages en une journée à charge constante, sur une infrastructure GPU haut de gamme. C'est le chiffre qui parle le plus concrètement à qui pense en coût de traitement plutôt qu'en score de benchmark.
Aucune agence ne va commander ce modèle demain matin. Mais la bataille sur la lecture fine des documents détermine quels agents de recherche et d'analyse deviendront fiables assez pour qu'une marque leur confie une veille concurrentielle ou un rapport de performance sans repasser derrière.