Guide de l'API OCR : image vers texte et extraction structurée (2026)

Une API OCR sert à reconnaître le texte contenu dans des images, des scans et des captures d'écran. L'OCR classique se charge de la reconnaissance des caractères ; un modèle multimodal peut ensuite effectuer une extraction structurée, une traduction ou une correction.

Cet article présente les différentes approches, les modes d'appel et les critères de sélection d'une API OCR.

Remarque : les interfaces OCR varient sensiblement selon les fournisseurs. Cet article décrit des approches courantes ; la documentation de l'éditeur ou du site fait référence.

1. Trois approches OCR

Approche	Usage adapté	Caractéristiques
OCR classique	Factures, pièces d'identité, tableaux, reçus	Rapide, économique, adapté aux mises en page fixes
Modèle multimodal	Mises en page complexes, écriture manuscrite, tâches de compréhension	Souple, mais plus coûteux et plus lent
OCR plus grand modèle	Reconnaissance puis extraction ou vérification	Bon compromis entre précision et structuration

Le choix dépend du volume, de la variabilité des documents et du niveau d'exactitude exigé. Pour des documents standardisés à fort volume, l'OCR classique reste souvent le plus rentable.

2. API OCR classique

L'entrée est généralement une URL d'image ou une chaîne Base64 ; la sortie contient le texte et les coordonnées. Cas adaptés :

Cartes d'identité et licences d'entreprise.
Factures et reçus.
Tableaux et formulaires.
Modèles fixes.

L'avantage est la rapidité et le faible coût. La limite est la robustesse : les mises en page complexes, l'écriture manuscrite et les images de mauvaise qualité réduisent la précision.

3. OCR avec modèle multimodal

Confiez l'image à un modèle capable de vision et demandez directement du texte ou du JSON :

Reconnaissez le texte de l'image et produisez un JSON par champ :
{ "nom": "", "montant": "", "date": "" }

Cette approche convient aux mises en page complexes et aux tâches de compréhension, mais attention :

Aux limites de taille et de résolution des images.
À l'instabilité possible des sorties, qui exige un schéma et une validation.
À un coût supérieur à celui de l'OCR classique.
À la conformité des données sensibles.

Demandez toujours une sortie conforme à un schéma et validez les champs critiques côté serveur avant de les enregistrer.

4. Exemple d'appel compatible OpenAI

from openai import OpenAI

client = OpenAI(
    api_key="sk-votre-cle",
    base_url="https://ai.zhongshangqihang.com/v1",
)

resp = client.chat.completions.create(
    model="gpt-5",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "Reconnaissez le texte de l'image et produisez un JSON"},
                {"type": "image_url", "image_url": {"url": "https://example.com/a.png"}},
            ],
        }
    ],
)
print(resp.choices[0].message.content)

La prise en charge de la vision, les formats et la taille maximale des images figurent sur la page Tarifs des modèles et dans la documentation du site.

5. Critères de sélection

Précision de reconnaissance, sur texte imprimé, manuscrit et image dégradée.
Prise en charge des mises en page : tableaux, reçus, colonnes multiples.
Langues reconnues.
Format de sortie : texte, coordonnées ou JSON.
Latence et concurrence.
Prix, à la page ou au token.
Conformité des données.

Ajoutez à ces critères la qualité du support et la stabilité de l'interface, surtout si le document traité déclenche des obligations réglementaires.

6. Comment mesurer la précision

Préparez 50 à 100 images réelles couvrant :

Des images nettes et floues.
Des prises de vue droites et inclinées.
Du texte imprimé et manuscrit.
Des documents à une colonne, à plusieurs colonnes et des tableaux.

Comparez le taux de caractères corrects, le taux de champs corrects et le taux de sorties structurées valides. Ne vous contentez pas des images de démonstration du fournisseur : elles ne représentent pas vos documents réels.

7. Pièges courants

Compression excessive des images, qui rend le texte illisible.
Ordre des colonnes ou des tableaux perturbé.
Faible reconnaissance de l'écriture manuscrite et des tampons.
Sorties JSON instables avec un grand modèle.
Transfert ou conservation de données d'identité sensibles.
Comparaison au nombre d'images sans tenir compte des nouvelles tentatives.

Pour les documents critiques, prévoyez une relecture humaine et un journal des corrections afin d'améliorer progressivement les modèles et les règles de validation.

Questions fréquentes

Quelle différence entre une API OCR et la vision d'un grand modèle ?

L'OCR se concentre sur la reconnaissance du texte ; un modèle de vision peut aussi comprendre, extraire, traduire et vérifier.

Peut-on l'utiliser pour des factures et des pièces d'identité ?

Oui, mais vérifiez la prise en charge des mises en page, la précision et la conformité des données. Pour les cas importants, une relecture humaine est recommandée.

Que faire si l'image est trop volumineuse ?

Compressez, recadrez ou redressez l'image, ou utilisez une interface qui accepte les grandes images. Vérifiez la limite de taille avant l'envoi.

Pour aller plus loin

Si vous avez besoin d'une entrée unifiée, testez un petit lot d'images avec les modèles de vision de ZSQH AI Gateway. Les modèles et les tarifs applicables figurent sur la page Tarifs des modèles.