Mistral OCR : les annotations pour extraire en JSON

Les annotations de Mistral OCR sont la partie « extraction » de l'API : vous décrivez les champs voulus dans un schéma (Pydantic, Zod ou JSON Schema), et le service renvoie des valeurs qui respectent ce schéma, en plus du texte du document. Deux niveaux existent : l'annotation du document entier et l'annotation de chaque zone (par exemple une figure ou un graphique). Cette fiche, mise à jour le 15/11/2026, décrit ce que la documentation officielle dit, et ce qu'elle ne dit pas.

Ce que le modèle OCR 4.1 propose

D'après la page du modèle, mistral-ocr-4-1 est en disponibilité générale, daté du 16 juillet 2026. Mistral le présente comme le service qui alimente sa pile « Document AI », avec une extraction native des zones au niveau du paragraphe, des étiquettes de blocs structurels et des scores de confiance au niveau du bloc. Les fonctions listées sont l'extraction de zones, l'OCR, les annotations structurées (toutes sur le point d'accès /v1/ocr) et le traitement par lots (/v1/batch).

Prix relevés le 15/11/2026 sur cette page : 4 $ les 1 000 pages pour l'OCR, 5 $ les 1 000 pages annotées. La page ne mentionne aucune remise propre au traitement par lots pour ce modèle ; la documentation générale du traitement par lots annonce, elle, 50 % de remise sur les charges importantes (voir extraction par lots). Vérifiez sur votre grille de facturation laquelle s'applique à l'OCR.

Les deux types d'annotation

La documentation distingue :

• bbox_annotation : annote les régions que l'OCR extrait (graphiques, figures, images), selon le format que vous fournissez. Exemple de la documentation : décrire ou légender une figure. Après l'OCR, un modèle capable de lire des images est appelé pour chaque zone, une par une, avec votre format.
• document_annotation : annote le document dans son ensemble. La sortie OCR en Markdown, plus les huit premières zones d'image extraites, est envoyée à un modèle de vision avec votre format d'annotation. Un paramètre facultatif, document_annotation_prompt, donne une consigne générale sur la manière d'annoter.

Les deux types peuvent être demandés dans la même requête. Conséquence pratique : pour une facture ou un bon de commande, c'est l'annotation de document qui vous intéresse ; l'annotation de zone sert plutôt à décrire des schémas, des logos ou des tampons.

Écrire le schéma

La documentation indique que les schémas acceptent des objets imbriqués, des tableaux et des énumérations, et que la description de chaque champ sert d'instruction pendant l'annotation. C'est là que vous placez vos règles : format de date attendu, devise, que faire quand la valeur manque. Les principes généraux (un champ par information, une valeur « absent » prévue, des listes pour les lignes) sont détaillés dans notre page sur le schéma JSON d'extraction.

L'exemple Python de la documentation suit ces étapes :

1. importer le client Mistral, DocumentURLChunk, ImageURLChunk et response_format_from_pydantic_model ;
2. lire la clé d'API dans la variable d'environnement MISTRAL_API_KEY (jamais dans le code) ;
3. définir un modèle Pydantic, ici Image avec trois champs : type d'image, description courte, résumé ;
4. appeler client.ocr.process(...) avec model="mistral-ocr-latest", un DocumentURLChunk pointant vers le document, bbox_annotation_format=response_format_from_pydantic_model(Image) et include_image_base64=True.

Les images extraites reviennent encodées en base64 et les annotations suivent le schéma fourni.

Formats acceptés

La page cite les PDF, les images (y compris de mauvaise qualité ou manuscrites), les scans, les fichiers DOCX et PPTX. Pour les documents manuscrits, lisez aussi notre page sur le formulaire manuscrit : accepter une image ne dit rien de la précision obtenue.

Ce que la documentation ne dit pas

Trois points restent à vérifier dans la référence de l'API avant de coder :

• la page lue ne nomme pas le paramètre qui porte le schéma de l'annotation de document (elle ne détaille que celui des zones) ;
• elle ne donne ni limite de pages, ni limite de taille, ni prix (ceux-ci viennent de la page du modèle) ;
• dans le menu de la documentation, cette page apparaît sous la rubrique « Deprecated ». Nous ne savons pas ce qui la remplace : contrôlez la page « OCR » la plus récente de Mistral avant de bâtir un projet dessus.

Les scores de confiance : de quel niveau ?

La page du modèle annonce des scores de confiance par bloc de texte, pas par champ extrait. Un champ annoté (le total d'une facture) n'a donc pas, sur la base de ce que nous avons lu, son propre score : il faut le recouper avec le score du bloc d'où il vient, ou avec vos contrôles de cohérence. Voir seuil de confiance et validation.

Quand choisir Mistral OCR

L'approche se justifie quand vous voulez un seul appel qui lit puis structure, avec un prix à la page lisible. Pour la comparer à un modèle prédéfini ou à un grand modèle de langage, voir LLM ou modèle spécialisé. Pour la place de Mistral OCR parmi les autres services d'OCR, voir le comparatif des API d'OCR. Et quel que soit le choix, mesurez sur vos propres documents : mesurer la précision champ par champ.