Ce que fait Google Document AI OCR
Enterprise Document OCR est l'un des processeurs de Document AI dans Google Cloud. Vous envoyez un PDF ou une image (PDF, GIF, TIFF, JPEG, PNG, BMP ou WebP ; DOCX est en préversion privée) et vous recevez en retour un objet Document au format JSON contenant le texte, les pages, les blocs, les lignes, les jetons et leurs positions. Il lit le texte imprimé et manuscrit, peut fusionner le texte intégré des PDF numériques avec les résultats de l'OCR (analyse native des PDF) et attribue à chaque page un score de qualité d'image de 0 à 1, en listant les défauts probables tels que le flou, les reflets ou le texte coupé lorsque le score est inférieur à 0,5. Google indique qu'il prend en charge plus de 200 langues ; l'écriture manuscrite est signalée comme non prise en charge pour une douzaine d'entre elles, dont l'hébreu, le thaï, le tamoul et le télougou.
La configuration suit le parcours habituel de Google Cloud : créer un projet, activer l'API Document AI, créer un processeur Enterprise Document OCR dans une région (États-Unis, UE et plusieurs autres) et l'appeler depuis l'API REST ou les bibliothèques clientes. Les requêtes en ligne (synchrones) acceptent jusqu'à 15 pages et 40 Mo (30 pages en mode sans image) ; les requêtes par lots acceptent jusqu'à 500 pages par document, 1 Go par fichier et 5.000 fichiers par requête. Les versions de modèle stables sont pretrained-ocr-v2.0-2023-06-02 et pretrained-ocr-v2.1-2024-08-07, la version v2.1.1 étant une version candidate hors des États-Unis et de l'UE.
