Mistral OCR 4 trasforma il riconoscimento documenti in una mappa strutturata

Per anni l’OCR ha fatto sostanzialmente una cosa sola, ovvero trasformare l’immagine di una pagina in una sequenza di caratteri, lasciando all’utente il compito di ricostruire tutto il resto. Mistral OCR 4 prova a spostare quel confine, e lo fa con un cambio di prospettiva. Il modello non restituisce più un semplice flusso di testo, ma una versione strutturata dell’intero documento, in cui ogni blocco viene localizzato con un riquadro di delimitazione, classificato per tipo (titolo, tabella, firma e altro ancora) e accompagnato da un punteggio di affidabilità calcolato sia a livello di pagina sia di singola parola.

Il sistema non dice soltanto cosa c’è scritto, ma anche dove si trova ciascun elemento, che ruolo svolge e quanto sia sicuro di averlo letto correttamente. È la quarta generazione di questa tecnologia in circa quindici mesi, un ritmo che racconta quanto l’azienda francese consideri il settore OCR strategico. Il supporto si estende a 170 lingue raggruppate in 10 famiglie linguistiche, con guadagni misurabili proprio dove molti concorrenti faticano, cioè sulle lingue rare e a bassa disponibilità di dati.

Il modello è compatto al punto da girare in un singolo container e può quindi essere installato direttamente sull’infrastruttura del cliente.

Da muro di testo a mappa semantica

Finora l’output tipico di un sistema OCR era un blocco di testo piatto, utile per la ricerca a parole chiave. I riquadri di delimitazione, che Mistral indica come la funzione più richiesta da chi sviluppa, sono il punto forte di OCR 4.

Senza un dato di posizione, infatti, un sistema a valle non può ricondurre un fatto estratto alla sua origine su una pagina precisa. Per chi costruisce sistemi di retrieval o flussi di conformità, quella tracciabilità a volte è un requisito.

Un paragrafo etichettato come titolo permette di segmentare il documento in unità gerarchiche per la ricerca semantica, un blocco riconosciuto come tabella può essere instradato verso una pipeline di dati strutturati, e un blocco marcato come firma può attivare un flusso di oscuramento in un sistema di compliance.

Nessuna di queste idee è inedita, la novità è che diventano output del modello stesso, invece di richiedere una fase separata di analisi del layout che i team aziendali devono storicamente costruire e mantenere per conto proprio.

Ci sono poi i punteggi di affidabilità, forse l’elemento più sottovalutato. Su grandi volumi consentono di smistare automaticamente le aree incerte verso un revisore umano e di approvare quelle ad alta confidenza, costruendo la supervisione selettiva che evita di far rileggere ogni pagina di ogni documento a una persona.

In produzione l’OCR non è quasi mai il traguardo ma il primo passo, e se questo passo arriva già pulito e organizzato, il risparmio non si misura solo sul costo dell’estrazione, ma anche sulle ore di sviluppo che non servono più per rimettere insieme la struttura.

I numeri di Mistral OCR 4

L’output di OCR 4 in un confronto alla cieca su oltre 600 documenti in più di 12 lingue, è stato preferito rispetto ad altri concorrenti da un gruppo di valutatori indipendenti, con un tasso di vittoria medio del 72%.

Sui benchmark automatici il modello ottiene 85,20 su OlmOCRBench e 93,07 su OmniDocBench, oltre a uno 0,98 sulla valutazione multilingue interna dell’azienda.

Non siamo ancora alla perfezione, è la stessa Mistral a invitare alla cautela. Ha verificato e reso pubblici i tipi di artefatti che falsano i punteggi automatici, tra cui errori nelle annotazioni di riferimento, notazioni LaTeX equivalenti contate come differenze, ipotesi sull’ordine di lettura nelle colonne e attribuzioni sbagliate di intestazioni e piè di pagina.

Inoltre sulla classifica pubblica di OlmOCRBench, OCR 4 si classifica in terza posizione, dietro modelli aperti come Chandra OCR 2. La morale, allora, è quella che vale per qualsiasi modello, ovvero che i numeri dei benchmark contano meno della prova reale sui tuoi documenti. Se stai valutando una soluzione del genere, falla girare sulle tue pagine, nelle tue lingue, e misura gli errori che produce per davvero.

Prezzi di Mistral OCR 4

Attraverso l’API, OCR 4 costa 4 dollari ogni 1.000 pagine, che scendono a 2 dollari con lo sconto del 50% previsto per l’elaborazione in batch, mentre la modalità Document AI, che restituisce JSON strutturato secondo uno schema definito da chi integra, sale a 5 dollari ogni 1.000 pagine.

A 2 dollari per mille pagine, digitalizzare un archivio aziendale da centomila pagine costa appena 200 dollari, una cifra che rende economicamente sensata una scala che con la tariffazione a token dei modelli visione-linguaggio restava spesso fuori portata.

C’è poi una logica più ampia, ed è il vero punto. Per Mistral l’OCR non è il prodotto finale. Il modello alimenta direttamente altri tool AI dell’azienda. Una volta che un’organizzazione adotta OCR 4 per l’estrazione, l’intera suite di modelli, dal motore di ragionamento alla piattaforma agentica per l’esecuzione dei task, diventa il proseguimento naturale dello stack.

Con circa mille dipendenti e una frazione del capitale raccolto dai rivali statunitensi come Google, OpenAI e Anthropic, Mistral non può vincere una corsa agli armamenti sui modelli generalisti. Quello che può fare è costruire uno stack aziendale differenziato e l’OCR è la porta d’ingresso scelta per entrarci.

Una scelta sensata per chi mette la sovranità dei dati al primo posto

Mistral ha passato l’ultimo anno a costruire esattamente il prodotto che lo rende rilevante, la sovranità dei dati. La possibilità di installare OCR 4 in un singolo container, sull’infrastruttura del cliente, significa che i documenti non lasciano mai l’ambiente dell’organizzazione.

È una differenza sostanziale rispetto al modello dominante, in cui un fornitore con sede negli Stati Uniti offre residenza dei dati nell’Unione Europea, con i documenti conservati magari a Francoforte ma governati dal diritto statunitense. Mistral, incorporata in Francia e operante sotto giurisdizione europea, sposta il discorso dal «dove sono archiviati» al «non escono affatto».

L’idea di restituire una mappa strutturata invece di un muro di testo non è inedita, ma impacchettarla come output nativo del modello elimina un livello di integrazione che le aziende hanno sempre dovuto costruirsi da sole, e questo nella pratica potrebbe contare parecchio.

Se valuti questa tecnologia, il consiglio resta lo stesso che varrebbe per qualsiasi fornitore, ovvero provala sui tuoi documenti prima di decidere, perché è lì che si vede la differenza.