PaddleOCR 3.5 : lire les documents avec Transformers au lieu de Paddle

Qu'est-ce que PaddleOCR ?

PaddleOCR est un outil open source qui extrait du texte à partir d'images et de documents numérisés. Imaginez : vous avez une photo de contrat ou de facture, PaddleOCR transforme cette image en texte exploitable, indexable et analysable.

L'outil fonctionnait jusqu'à présent avec son propre moteur (backend propriétaire). Mais avec la version 3.5, vous pouvez désormais l'utiliser avec Transformers — la bibliothèque standard que la plupart des projets IA modernes utilisent.

Pourquoi ce changement est important ?

Si vous développez un projet RAG ou Document AI (traitement de documents par IA), vous utilisez probablement déjà Transformers et PyTorch pour charger et manipuler vos modèles. Jusqu'à présent, PaddleOCR fonctionnait différemment, ce qui signifiait apprendre une nouvelle approche.

Maintenant, PaddleOCR fonctionne directement avec Transformers — exactement comme vos autres modèles.

Le problème que PaddleOCR résout

En RAG et Document AI, la vraie difficulté n'est pas ce qui vient après. Le vrai défi : comment transformer des PDF, des images numérisées, des tableaux et des formules mathématiques en texte structuré et fiable ?

Si cette étape (appelée Document Ingestion — extraction de données depuis les documents) est faible, votre LLM risque de générer des informations incorrectes.

PaddleOCR résout ce problème avec des modèles spécialisés :

• PP-OCRv5 : extraction de texte depuis des images
• PaddleOCR-VL 1.5 : compréhension d'images complexes (tableaux, graphiques, formules)

Comment l'utiliser maintenant ?

Installation

python -m pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126
python -m pip install "paddleocr==3.5.0" "paddlex==3.5.2" "transformers>=5.4.0"

Utilisation simple

from paddleocr import PaddleOCR

pipeline = PaddleOCR(
    device="gpu:0",
    engine="transformers",  # C'est ici qu'on spécifie Transformers
    engine_config={
        "dtype": "float32",
    },
)

results = pipeline.predict("path/to/image.jpg")
for result in results:
    print(result)

La différence clé : engine="transformers" — c'est la nouveauté. Avant, vous étiez obligé d'utiliser le moteur par défaut de Paddle.

Configuration avancée

Si vous voulez optimiser les performances selon votre GPU ou CPU :

engine_config = {
    "dtype": "bfloat16",        # Type de données (float32, bfloat16)
    "device_type": "gpu",       # gpu ou cpu
    "device_id": 0,             # Quel GPU
    "attn_implementation": "sdpa",  # Type d'attention
}

Les meilleurs paramètres dépendent de votre GPU et de votre projet.

Quand utiliser Transformers backend ? Et quand Paddle par défaut ?

Utilisez Transformers si :

• Vous travaillez sur du RAG ou du Document AI avec Transformers
• Votre équipe maîtrise bien PyTorch et Transformers
• Vous voulez une intégration transparente avec Hugging Face Hub
• Vous préférez utiliser la même approche que vos autres projets

Utilisez Paddle (par défaut) si :

• La performance et le débit sont prioritaires
• Vous n'avez pas d'autres projets Transformers
• Vous recherchez stabilité et documentation complète

Qu'est-ce que cela change pour vous ?

Cette version peut vraiment bénéficier aux développeurs marocains travaillant sur des projets Document AI ou RAG. Par exemple :

• Freelances construisant des chatbots pour traiter les documents internes des clients
• Avocats indépendants automatisant l'analyse de jurisprudence depuis des fichiers PDF
• Architectes créant un système de lecture automatique de plans techniques
• Cabinets comptables extrayant des données depuis factures et contrats

La vraie différence : vous n'avez plus besoin d'apprendre un nouveau système. Si vous connaissez Transformers et PyTorch (la base de tout projet IA sérieux), vous pouvez utiliser PaddleOCR de la même façon. C'est un gain de temps considérable, surtout si vous travaillez en remote avec des entreprises européennes et que vous voulez livrer une solution professionnelle rapidement.