Mistral OCR 4 : extraire et automatiser vos documents avec n8n

Mistral OCR 4 est un modèle d’extraction documentaire sorti le 23 juin 2026 qui convertit des PDF, des images et des fichiers Word en données structurées : texte en markdown, tableaux, position de chaque bloc et score de confiance par mot. Le tarif annoncé est de 4 $ pour 1 000 pages (2 $ en mode Batch). Pour une PME, l’intérêt tient en trois points : un coût faible, un déploiement possible sur ses propres serveurs, et un branchement direct dans n8n pour automatiser le traitement de factures, de contrats ou de formulaires. Cet article, mis à jour en juillet 2026 par Valentin CHARRIER (Ocade Fusion), détaille ce que change OCR 4, son prix réel et la façon de le connecter à n8n, avec les sources officielles Mistral à l’appui.

L’extraction de documents reste un point de friction concret : ressaisie de factures, classement de contrats, copie de données depuis des PDF scannés. Mistral OCR 4 vise cette tâche avec une sortie directement exploitable par un workflow ou un moteur de questions-réponses. Les chiffres de performance cités plus bas sont, sauf mention contraire, annoncés par l’éditeur et non mesurés par un laboratoire indépendant : ils servent d’ordre de grandeur, pas de preuve absolue.

Mistral OCR 4 : ce qui change en juin 2026

Mistral OCR 4 marque la quatrième génération d’OCR de l’éditeur parisien en environ quinze mois (OCR original en mars 2025, OCR 3 en décembre 2025, OCR 4 le 23 juin 2026). Mistral OCR 4 apporte trois nouveautés qui le distinguent d’un OCR classique : des bounding boxes (les coordonnées de chaque bloc sur la page), une classification typée des blocs (titres, tableaux, équations, signatures, en-têtes) et un score de confiance pour chaque mot et chaque page. Là où les versions précédentes convertissaient une page en texte propre, OCR 4 renvoie une représentation structurée du document, selon l’annonce officielle de Mistral.

Concrètement, cette sortie structurée alimente sans étape intermédiaire un pipeline RAG à citations sourcées, une chaîne de rédaction automatique ou un agent. Le modèle gère 170 langues réparties sur 10 groupes linguistiques et accepte en entrée des PDF, des fichiers DOC, PPT, OpenDocument ainsi que des images (PNG, JPEG, AVIF). L’appel se fait par un point d’API unique, ce qui simplifie l’intégration : chaque requête renvoie le texte en markdown, les blocs et les scores de confiance dans une même réponse JSON.

Combien coûte Mistral OCR 4 ?

Mistral OCR 4 est facturé 4 $ pour 1 000 pages via l’API, avec une remise de 50 % en mode Batch qui ramène le coût à 2 $ pour 1 000 pages. Un mode « Document AI » à 5 $ pour 1 000 pages ajoute l’extraction JSON par schéma (annotations personnalisées). Ce tarif représente le double de celui d’OCR 3 (2 $ pour 1 000 pages) : la montée en gamme vers la « document intelligence » s’accompagne d’une hausse de prix, d’après le comparatif de tarifs d’Eden AI et l’annonce Mistral.

La comparaison avec les alternatives demande de la prudence : il n’existe pas de test indépendant tête-à-tête, seulement des tarifs affichés par chaque éditeur. En ordre de grandeur, pour le traitement de formulaires et tableaux, les tarifs publics relevés par Eden AI situent AWS Textract autour de 65 $ pour 1 000 pages, Azure Document Intelligence et Google Document AI Layout Parser autour de 10 $, contre 4 $ (ou 2 $ en Batch) pour Mistral OCR 4. Ces écarts concernent le prix, pas la précision : chaque cas d’usage mérite un test sur ses propres documents avant de trancher. Pour arbitrer selon votre volume, l’outil en haut de page estime le coût mensuel.

Brancher Mistral OCR 4 sur n8n

n8n propose un node MistralAI natif avec une opération OCR « Extract Text » (ressource Document). Cette opération extrait le texte d’un document ou d’une image via le modèle mistral-ocr-latest, à partir de données binaires ou d’une URL, avec une option de traitement par lot. Le prérequis est une clé API créée sur console.mistral.ai, avec l’activation du paiement dans l’espace de facturation, d’après la documentation n8n. Ce node couvre le besoin le plus courant : récupérer le texte d’un document en quelques minutes.

Le node natif se limite toutefois à l’extraction de texte de base. Les fonctions avancées d’OCR 4 (extraction de blocs, bounding boxes, granularité de confiance par mot, format de tableau) ne sont pas exposées : pour y accéder, il faut appeler l’API directement avec le node HTTP Request sur le point d’accès POST https://api.mistral.ai/v1/ocr, en passant le modèle mistral-ocr-4-0 et le paramètre include_blocks. Un piège d’intégration est documenté sur le forum n8n : l’API peut renvoyer des URL signées vers le contenu traité plutôt que le texte directement, ce qui impose une étape HTTP supplémentaire pour récupérer le résultat. Ce montage convient bien à un flux de classement automatique de factures, où chaque pièce entrante est lue puis rangée sans ressaisie.

Confidence-gating : n’envoyer que le doute à un humain

Le score de confiance par mot ouvre un usage précieux pour une PME : le « confidence-gating ». Au lieu d’envoyer chaque document entier à un relecteur, le workflow ne route vers un humain que les champs dont la confiance est faible, et laisse passer automatiquement le reste. Cette logique réduit la charge de vérification tout en gardant un filet de sécurité sur les données sensibles, comme le montant d’une facture ou un IBAN, selon l’analyse d’ExplainX.

Un tel garde-fou se met en place dans n8n avec une simple condition sur la valeur de confiance renvoyée par l’API, en moins de trente minutes. Les champs sous un seuil défini partent vers une étape de validation humaine ; les autres continuent leur route vers l’ERP ou la base de données. Cette approche évite l’écueil classique de l’automatisation documentaire : faire confiance aveuglément à une extraction qui se trompe une fois sur vingt.

Souveraineté et RGPD : ce que l’auto-hébergement change (et ses limites)

Mistral OCR 4 se déploie en un conteneur unique sur l’infrastructure du client, une option réservée aux clients entreprise, sur site ou en cloud privé. AWS Textract et Google Document AI, à l’inverse, restent des services uniquement cloud. L’argument avancé par la presse tient à la juridiction : Mistral est une société française, sous droit européen, et l’hébergement en conteneur garantit que les documents ne quittent jamais l’infrastructure de l’entreprise, là où une API cloud américaine reste soumise au droit américain même avec une résidence des données en Europe, comme le détaille TechTimes.

La nuance est importante pour ne pas survendre l’argument. L’annonce officielle de Mistral ne contient pas de mention explicite « RGPD » : le cadrage souveraineté vient surtout de la presse et d’un lien vers un accord de traitement des données. Par ailleurs, l’initiative EU Data Boundary de Microsoft réduit l’écart de conformité entre un fournisseur américain encadré et une solution auto-hébergée. Le choix reste un arbitrage : « suffisamment conforme » avec des garde-fous contractuels, ou « défendable plus proprement » avec une exécution sur site. Ce débat prend du relief à l’approche du 2 août 2026, date d’entrée en vigueur des dispositions de sanction de l’AI Act européen.

Limites et précautions avant de se lancer

Les benchmarks de Mistral OCR 4 doivent être lus avec recul. Le taux de préférence de 72 % en évaluation aveugle (sur plus de 600 documents) et les scores OlmOCRBench 85,20 ou OmniDocBench 93,07 sont des chiffres annoncés par l’éditeur : aucun test tiers indépendant sur des jeux de données identiques n’existe à ce jour, comme le rappelle le praticien Jannik Reinhard. La règle raisonnable consiste à tester le modèle sur vos propres documents avant tout déploiement.

Plusieurs limites techniques méritent attention. La reconnaissance de l’écriture manuscrite reste difficile, et les approches fondées sur un modèle de langage peuvent omettre ou altérer du texte en cas d’incertitude, contrairement à un OCR à règles. La qualité de l’image d’entrée pèse fortement sur le résultat : un document incliné ou bruité demande un pré-traitement. Mistral précise enfin que OCR 4 est un modèle de compréhension documentaire, pas un décideur : il n’est pas destiné au diagnostic médical, au jugement juridique ni aux décisions financières à fort enjeu. Une vérification croisée (par exemple recalculer la somme d’une facture) reste indispensable.

Questions fréquentes sur Mistral OCR 4

Mistral OCR 4 est-il gratuit ou open source ?

Non. Mistral OCR 4 est un produit commercial facturé 4 $ pour 1 000 pages (2 $ en Batch). L’option d’auto-hébergement en conteneur est réservée aux clients entreprise et n’est pas un modèle open-weights téléchargeable librement, à la différence de certains OCR ouverts sous licence permissive.

Quelle est la différence entre Mistral OCR 4 et OCR 3 ?

OCR 4 ajoute trois primitives absentes d’OCR 3 : les bounding boxes au niveau du paragraphe, la classification typée des blocs et les scores de confiance par mot et par page. Cette montée en gamme s’accompagne d’un prix doublé : 4 $ pour 1 000 pages contre 2 $ pour OCR 3.

Peut-on utiliser Mistral OCR 4 dans n8n ?

Oui. Le node MistralAI natif de n8n propose une opération OCR « Extract Text » pour l’extraction de texte de base. Pour les fonctions avancées (blocs, bounding boxes, confiance par mot), il faut appeler l’API /v1/ocr avec le node HTTP Request et le modèle mistral-ocr-4-0.

Mistral OCR 4 est-il conforme au RGPD ?

L’auto-hébergement en conteneur permet de garder les documents dans l’infrastructure de l’entreprise, ce qui facilite la conformité. Mistral ne formule toutefois pas de garantie « RGPD » explicite dans son annonce : la conformité doit être validée au cas par cas, avec un accord de traitement des données adapté.

Combien de langues Mistral OCR 4 gère-t-il ?

Mistral OCR 4 prend en charge 170 langues réparties sur 10 groupes linguistiques, avec des gains signalés sur les écritures peu dotées comme le hindi, le bengali, l’arménien ou le tamoul.

Mistral OCR 4 remplace-t-il Google Document AI ou AWS Textract ?

Mistral OCR 4 se positionne comme une alternative européenne auto-hébergeable, moins chère sur le papier pour le traitement de formulaires et tableaux. Faute de benchmark tiers indépendant, le remplacement se décide après un test comparatif sur vos propres documents.

Ce qu’il faut retenir

Mistral OCR 4 transforme un document en données structurées exploitables directement dans un workflow n8n, à 4 $ pour 1 000 pages (2 $ en Batch). Son atout pour une PME francophone n’est pas un chiffre de benchmark, mais la combinaison d’un coût bas, d’un déploiement possible sur ses propres serveurs et d’un branchement simple via le node HTTP Request. Le prochain pas concret : prendre dix factures ou contrats réels, les passer dans un workflow n8n de test, et mesurer le taux d’extraction correct avant d’automatiser à l’échelle. Pour cadrer ce projet, l’équipe d’Ocade Fusion accompagne la mise en place de ces pipelines documentaires.

• Selon l’annonce officielle Mistral, OCR 4 renvoie bounding boxes, classification de blocs et scores de confiance par mot, au-delà du simple texte.
• Le score de confiance par mot permet le confidence-gating : ne router vers un humain que les champs douteux, pas le document entier.
• Les chiffres de performance sont annoncés par l’éditeur : aucun test tiers indépendant n’existe à ce jour, un essai sur vos documents s’impose.

Mis à jour : juillet 2026 - Valentin CHARRIER, Ocade Fusion.