---
title: "OCR arabe ou LLM de vision pour factures et documents"
description: "Quand choisir l’OCR classique ou un LLM de vision pour factures, reçus et formulaires arabes : pièges, sortie JSON, coût par page et pipeline de validation."
url: https://broadrouter.com/fr/blog/arabic-ocr-vision-llm/
lang: fr
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduit de l’anglais avec l’aide de l’IA. [Lire l’original en anglais](https://broadrouter.com/blog/arabic-ocr-vision-llm/) (mis à jour le 2026-11-14).

# OCR arabe ou LLM de vision : lire documents et factures en arabe

Par l’équipe BroadNet Inference · 5 min de lecture · Publié 2026-11-14

L’OCR classique transforme les images de pages arabes en texte brut ; un LLM de vision lit l’image et renvoie en JSON les champs demandés, comme le fournisseur, la date et le total. Pour les factures et les reçus, un LLM de vision évite en général l’étape d’analyse du texte. Sur BroadNet Inference, Qwen3.8 27B, DeepSeek V4.1 Flash et BroadNet Gemma 4 VL 26B acceptent les images.

## À retenir

-   L’OCR arabe est difficile parce que les lettres se lient, changent de forme selon leur position et dépendent de points ; les lignes mêlant arabe et anglais ajoutent des problèmes d’ordre bidirectionnel.
-   L’OCR classique donne du texte et des positions. Un LLM de vision donne du sens : champs nommés, libellés traduits, JSON structuré.
-   Validez toujours les nombres dans le code : les totaux égalent la somme des lignes, la TVA correspond au taux, les dates s’analysent.
-   En paiement à l’usage, une image est facturée en tokens d’entrée : redimensionnez les grandes photos avant l’envoi.
-   Utilisez l’OCR pour la recherche plein texte dans de longs livres scannés ; utilisez un LLM de vision pour les documents sur lesquels vous devez agir.

**Sur cette page**

1.  Pourquoi l’OCR arabe est-elle difficile ?
2.  OCR ou LLM de vision : que vous apporte chacun ?
3.  Comment lire une facture arabe avec un LLM de vision ?
4.  Comment repérer les chiffres mal lus ?
5.  Quel modèle de vision doit lire les documents arabes ?
6.  Combien coûte un LLM de vision par page ?
7.  Quand l’OCR classique l’emporte-t-elle encore ?
8.  Confidentialité

_[image: Parcels on a conveyor labelled "FRAGILE", "ZERBRECHLICH" and "取扱注意", with the text "From printed text to useful data."]_

Pour les factures, reçus et formulaires arabes sur lesquels vous devez agir, utilisez un [LLM de vision](https://broadrouter.com/fr/glossary/vision-language-model/) : il lit l’image et renvoie en JSON les champs demandés, comme le fournisseur, le numéro de TVA, la date et le total. Utilisez la [reconnaissance optique de caractères (OCR)](https://broadrouter.com/fr/glossary/ocr/) classique pour la recherche plein texte dans de longues pages scannées ou pour le travail hors ligne. Dans les deux cas, vérifiez les nombres dans le code.

L’arabe complique les deux voies plus que l’anglais, pour les raisons qui suivent.

## Pourquoi l’OCR arabe est-elle difficile ?

-   **Une écriture liée.** Les lettres arabes se lient, et la plupart ont jusqu’à quatre formes (isolée, initiale, médiane, finale). Les moteurs d’OCR doivent segmenter un mot dont ils ne voient pas les limites.
-   **Les points portent le sens.** ب ت ث ن ي partagent une même forme de base et ne diffèrent que par leurs points. Un scan basse résolution ou un pli peut changer une lettre en une autre.
-   **Deux sens d’écriture sur une même ligne.** Une ligne de facture comme « المجموع: 1,250.00 SAR » mêle l’arabe, écrit de droite à gauche, à des nombres et du texte latin écrits de gauche à droite. La sortie d’OCR revient souvent dans le mauvais ordre visuel, que l’[algorithme bidirectionnel Unicode](https://www.unicode.org/reports/tr9/) réordonne encore à l’affichage.
-   **Deux jeux de chiffres.** Les documents du Golfe et d’Égypte impriment souvent des chiffres arabes orientaux (٠١٢٣٤٥٦٧٨٩) au lieu de 0–9, parfois les deux sur la même page.
-   **Polices et tampons.** Les titres décoratifs en naskh et en ruq’ah, les tampons d’entreprise sur le total et l’effacement des tickets thermiques nuisent tous à la reconnaissance.

## OCR ou LLM de vision : que vous apporte chacun ?

|  | OCR classique | LLM de vision |
| --- | --- | --- |
| Sortie | Texte brut, souvent avec la position des mots | Ce que vous demandez : champs, JSON, résumé, traduction |
| Compréhension de la mise en page | Vous écrivez règles ou modèles | Le modèle la déduit (« le total est en bas à droite ») |
| Nouvelles mises en page de facture | Nouveau modèle ou nouvelle règle | Fonctionne en général sans modification |
| Traduction | Étape séparée | Même requête |
| Prévisibilité | Déterministe pour une même entrée | Peut varier ; validez les sorties |
| Risque d’hallucination | Faible (lit mal, mais n’invente pas) | Réel : peut produire une valeur plausible mais fausse |
| Idéal pour | Recherche plein texte dans de longs documents scannés, archives | Factures, reçus, pièces d’identité, formulaires sur lesquels agir |

L’arbitrage clé : l’OCR lit mal mais n’invente pas. Un LLM de vision comprend, mais peut [halluciner](https://broadrouter.com/fr/glossary/hallucination/) une valeur plausible. Un bon pipeline confie la compréhension au LLM et la vérification au code.

## Comment lire une facture arabe avec un LLM de vision ?

Envoyez l’image sous forme d’URL de données base64 dans le contenu du message et demandez exactement les champs voulus. Le [guide des factures avec la vision](https://broadrouter.com/fr/guides/read-arabic-invoices-with-vision/) déroule l’ensemble ; l’essentiel ressemble à ceci :

```python
import base64, json, os
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
image = base64.b64encode(open("invoice.jpg", "rb").read()).decode()

prompt = """Read this invoice. Reply with JSON only, using these keys:
vendor_name (as written, Arabic script if Arabic), vendor_vat_number, invoice_number,
invoice_date (YYYY-MM-DD), currency (ISO code), subtotal, vat_amount, total,
line_items (list of {description, quantity, unit_price, amount}).
Convert Eastern Arabic numerals to Western digits. Use null for anything you cannot read."""

r = client.chat.completions.create(
    model="broadnet/qwen3.8-27b",
    max_tokens=3000,  # reasoning comes first
    messages=[{"role": "user", "content": [
        {"type": "text", "text": prompt},
        {"type": "image_url", "image_url": {"url": "data:image/jpeg;base64," + image}},
    ]}],
)
data = json.loads(r.choices[0].message.content)
```

Trois détails qui font gagner du temps de débogage :

1.  **Indiquez le système de chiffres voulu.** « Convert Eastern Arabic numerals to Western digits » (convertir les chiffres arabes orientaux en chiffres occidentaux) évite un mélange de ١٢٥٠ et de 1250 dans votre base.
2.  **Demandez `null`, pas une supposition.** Les modèles inventent plus volontiers une valeur quand chaque clé doit être remplie.
3.  **Gardez les noms dans leur écriture d’origine.** Translittérer « مؤسسة النور للتجارة » en lettres latines ouvre la porte aux variantes d’orthographe. Stockez l’arabe, et traduisez à part si vous avez besoin de l’anglais.

Si le modèle renvoie une réponse vide, il a épuisé `max_tokens` en raisonnant ; voyez [tokens de raisonnement et réponses vides](https://broadrouter.com/fr/guides/reasoning-tokens-empty-response/). Pour une forme JSON plus stricte, voyez [la sortie structurée avec JSON Schema](https://broadrouter.com/fr/blog/structured-output-json-schema/) ; le [générateur de JSON Schema](https://broadrouter.com/tools/json-schema-generator/) gratuit construit un schéma à partir d’un exemple de facture.

## Comment repérer les chiffres mal lus ?

Traitez chaque valeur extraite comme une affirmation à vérifier dans le code, pas comme une donnée. La somme des lignes doit égaler le sous-total, le sous-total plus la TVA doit égaler le total, les dates doivent s’analyser et ne pas être dans le futur, et la devise doit correspondre au pays du fournisseur. Les numéros de TVA saoudiens ont une longueur et un format fixes, ce qui offre une vérification supplémentaire peu coûteuse. Un chiffre mal lu casse presque toujours une somme : les contrôles arithmétiques détectent donc la plupart des erreurs qui comptent. Tout ce qui échoue part dans une file de relecture humaine, avec l’image à côté des champs extraits.

Le pipeline complet, avec un schéma Pydantic, des validateurs arithmétiques, une relance avec le message d’erreur et une file de relecture, se trouve dans [extraire en JSON les données de factures et de reçus avec un LLM de vision](https://broadrouter.com/fr/blog/extract-data-from-documents-with-vision-llm/).

## Quel modèle de vision doit lire les documents arabes ?

Trois modèles de chat de BroadNet Inference acceptent les images :

| Modèle | Entrée / sortie par million de tokens | Contexte | Remarques |
| --- | --- | --- | --- |
| [Qwen3.8 27B](https://broadrouter.com/fr/models/qwen3.8-27b/) | $0.175 / $2.17 | 262 144 | Le modèle que BroadNet a testé en arabe |
| [DeepSeek V4.1 Flash](https://broadrouter.com/fr/models/deepseek-v4.1-flash/) | $0.175 / $0.52 | 1 048 576 | Aussi dans les forfaits illimités |
| [BroadNet Gemma 4 VL 26B](https://broadrouter.com/fr/models/gemma-4-vl-26b/) | $0.10 / $0.22 | 32 768 | Le moins cher des modèles de vision de BroadNet ; fonctionne avec le crédit gratuit et la clé horaire à $0.50 |

BroadNet indique que Qwen3.8 27B a écrit un arabe fluide, compris les dialectes du Golfe et égyptien et traduit avec précision entre arabe et anglais lors de ses tests. BroadNet ne publie aucun benchmark d’OCR ni d’extraction de documents : mesurez la précision des champs sur vos propres documents. Une configuration pratique consiste à confier les reçus simples à Gemma 4 VL 26B et à faire un second passage avec Qwen3.8 27B pour tout ce qui échoue à la validation. La [comparaison Gemma 4 VL 26B vs Qwen3.8 27B](https://broadrouter.com/compare/gemma-4-vl-26b-vs-qwen3.8-27b/) met les deux côte à côte.

## Combien coûte un LLM de vision par page ?

Avec une clé en paiement à l’usage, une image est facturée en tokens d’entrée au prix d’entrée du modèle, et les images plus grandes utilisent plus de tokens. Redimensionnez les photos de téléphone à environ 1 500–2 000 pixels sur le grand côté : les points de l’arabe demandent assez de résolution, mais une photo de 12 mégapixels ajoute surtout du coût. Lisez `usage.prompt_tokens` sur quelques images réelles pour obtenir votre coût par page. Avec un forfait illimité DeepSeek V4.1 Flash, la documentation de BroadNet indique que les images font partie de l’usage illimité du forfait. Le calcul en tokens par image et par page est détaillé dans [le coût d’un LLM de vision par image](https://broadrouter.com/fr/blog/cheapest-vision-llm-api/).

## Quand l’OCR classique l’emporte-t-elle encore ?

-   **Longs livres scannés et archives,** quand vous avez besoin de chaque mot pour la recherche, pas de quelques champs.
-   **Reproductibilité stricte,** quand une même entrée doit toujours produire le même texte.
-   **Traitement hors ligne ou sur l’appareil,** sans réseau.

Des moteurs open source comme [Tesseract](https://tesseract-ocr.github.io/tessdoc/Data-Files-in-different-versions.html) proposent des données entraînées pour l’arabe (`ara`) et fonctionnent hors ligne. Une approche hybride marche aussi très bien : l’OCR de la page pour un texte interrogeable, et l’image envoyée à un LLM de vision pour les champs sur lesquels vous agissez. Quelles API d’OCR cloud prennent en charge l’arabe, imprimé et manuscrit, et ce que chacune coûte pour 1 000 pages : c’est dans la [comparaison des API d’OCR arabe](https://broadrouter.com/fr/blog/arabic-ocr-api-comparison/).

## Confidentialité

Factures et pièces d’identité contiennent des noms, des numéros fiscaux et des coordonnées bancaires. BroadNet Inference ne conserve ni les images, ni les prompts, ni les réponses après la requête ; voyez [conservation zéro des données](https://broadrouter.com/fr/privacy/). Appliquez la même règle à votre propre stockage : gardez les champs extraits dont vous avez besoin et supprimez les images que vous n’êtes plus tenu de conserver.

Outils gratuits sur ce sujet (en anglais)

-   [Arabic token counter](https://broadrouter.com/tools/arabic-token-counter/) Arabic vs English token counts per tokenizer: the "Arabic tax" in tokens and money.
-   [Arabic text normalizer](https://broadrouter.com/tools/arabic-text-normalizer/) Tashkeel, tatweel, alef, ya, ta marbuta, digits and invisible characters, with a matching Python function.
-   [Speech-to-text cost calculator](https://broadrouter.com/tools/speech-to-text-cost-calculator/) Hours, calls or voice notes to a monthly transcription bill, against your current provider.

[Outils gratuits (en anglais)](https://broadrouter.com/tools/)

## Termes de cet article

[Reconnaissance optique de caractères (OCR)](https://broadrouter.com/fr/glossary/ocr/)

La reconnaissance optique de caractères (OCR) est une technologie qui détecte le texte imprimé ou manuscrit d’une image, d’un scan ou d’un PDF et le convertit en caractères lisibles par une machine. L’OCR classique produit le texte et sa position sur la page ; les modèles vision-langage peuvent lire le texte et répondre directement à des questions dessus.

[Token](https://broadrouter.com/fr/glossary/token/)

Un token est l’unité de texte qu’un modèle de langage lit et écrit : un mot, une partie de mot, un signe de ponctuation ou une suite d’octets produite par le tokenizer du modèle. Les API LLM comptent, limitent et facturent généralement l’usage en tokens.

[Hallucination (IA)](https://broadrouter.com/fr/glossary/hallucination/)

Une hallucination est une sortie d’un modèle de langage qui paraît plausible mais qui est fausse, inventée ou non étayée par l’entrée fournie : une référence inventée, un chiffre erroné ou une API qui n’existe pas. Elle vient du fait que le modèle prédit un texte probable au lieu de vérifier des faits.

[JSON Schema](https://broadrouter.com/fr/glossary/json-schema/)

JSON Schema est un vocabulaire, écrit en JSON, qui sert à décrire et à valider la structure de données JSON : types, champs obligatoires, valeurs autorisées et imbrication. La version actuelle est la 2020-12. Les API de LLM l’utilisent pour définir les paramètres des outils et la forme exacte que doit suivre une sortie structurée.

[Appel d’outils (tool calling, function calling)](https://broadrouter.com/fr/glossary/tool-calling/)

L’appel d’outils, aussi appelé function calling, est une fonctionnalité des API LLM dans laquelle le modèle renvoie une demande structurée d’exécution d’une fonction définie par le développeur, avec des arguments JSON. L’application exécute la fonction et renvoie le résultat ; le modèle n’exécute jamais de code lui-même.

[Forfait LLM (flat rate)](https://broadrouter.com/fr/glossary/flat-rate-llm-plan/)

Un forfait LLM facture un prix fixe pour une période, par exemple un mois, en échange de l’accès à une API de modèle de langage, au lieu de facturer au token. Ces forfaits limitent généralement autre chose, comme la concurrence, la vitesse, les modèles ou des fenêtres d’usage : les plafonds comptent donc autant que le prix.

[Modèle vision-langage (VLM)](https://broadrouter.com/fr/glossary/vision-language-model/)

Un modèle vision-langage (VLM) est un modèle qui prend en entrée des images et du texte ensemble et produit du texte : il peut décrire des images, répondre à des questions à leur sujet et lire des documents, des graphiques ou des captures d’écran. On parle aussi de modèles image-texte-vers-texte ou multimodaux.

[Paiement à l’usage (pay-as-you-go)](https://broadrouter.com/fr/glossary/pay-as-you-go/)

Le paiement à l’usage (pay-as-you-go) est un modèle tarifaire où vous ne payez que ce que vous consommez, mesuré par unité, comme les tokens, les requêtes ou les minutes d’audio, sans abonnement ni engagement minimal. La plupart des API LLM facturent ainsi, à partir d’un solde prépayé ou d’une facture périodique.

## Questions fréquentes

### Un LLM de vision est-il plus précis que l’OCR pour l’arabe ?

Cela dépend du document. Les LLM de vision comprennent en général mieux la mise en page et extraient mieux les champs nommés des factures et des reçus. Une OCR dédiée peut être plus prévisible sur de longues pages imprimées et propres. Testez les deux sur un échantillon de vos documents.

### Les LLM de vision savent-ils lire l’arabe manuscrit ?

Parfois, sur une écriture nette. La précision chute vite avec une écriture cursive ou hâtive. Envoyez les champs manuscrits peu fiables à un relecteur humain.

### Quel modèle BroadNet est le moins cher pour lire des images ?

BroadNet Gemma 4 VL 26B, à $0.10 par million de tokens d’entrée. Il fonctionne aussi avec le crédit de départ gratuit et avec une clé horaire à prix fixe.

### Comment convertir les chiffres arabes orientaux en chiffres occidentaux ?

Demandez au modèle de renvoyer des chiffres occidentaux, puis imposez-le dans le code. En Python, text.translate(str.maketrans("٠١٢٣٤٥٦٧٨٩", "0123456789")) convertit les chiffres arabes orientaux qui passeraient entre les mailles. Les chiffres persans (۰–۹) ont d’autres points de code : ajoutez-les si vos documents viennent d’Iran ou d’Afghanistan.

### Le modèle peut-il traduire les libellés arabes en anglais ?

Oui. Demandez des clés en anglais en gardant les valeurs arabes d’origine, ou demandez les deux. Gardez les noms dans leur écriture d’origine pour éviter les erreurs de translittération.

## À lire ensuite

-   [Extraire factures, reçus et formulaires en JSON avec un LLM vision](https://broadrouter.com/fr/blog/extract-data-from-documents-with-vision-llm/)
-   [API LLM de vision la moins chère : coût par image et par page, calculé](https://broadrouter.com/fr/blog/cheapest-vision-llm-api/)
-   [Choisir une API LLM pour l’arabe : ce qu’il faut tester](https://broadrouter.com/fr/blog/choosing-an-llm-for-arabic/)
-   [Mode JSON ou json\_schema : une sortie structurée qui tient](https://broadrouter.com/fr/blog/structured-output-json-schema/)
-   [Vocaliser un texte arabe avec un LLM : prompt, contrôles, DER](https://broadrouter.com/fr/blog/arabic-diacritization-llm/)
-   [Correction grammaticale et orthographique de l’arabe par LLM : guide](https://broadrouter.com/fr/blog/arabic-grammar-spelling-correction-llm/)
-   [Guide : Lire des factures et reçus arabes avec un modèle de vision](https://broadrouter.com/fr/guides/read-arabic-invoices-with-vision/)
-   [Guide : Pourquoi un modèle de raisonnement renvoie une réponse vide](https://broadrouter.com/fr/guides/reasoning-tokens-empty-response/)

Essayez-le sur votre vraie charge de travail. Les nouveaux comptes démarrent avec USD 5 de crédit pour Gemma et transcription. DeepSeek, GLM et Qwen3.8 nécessitent une recharge.

[Commencer](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-blog-arabic-ocr-vision-llm&utm_content=page-cta) ·

**Sources**

-   [Référence de l’API de BroadNet Inference : chat avec une image, images dans les forfaits (consultée le 2026-11-14) (en anglais)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-blog-arabic-ocr-vision-llm&utm_content=sources)
-   [Tarifs lisibles par machine de BroadNet Inference, pricing.json (consultés le 2026-11-14) (en anglais)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-blog-arabic-ocr-vision-llm&utm_content=sources)
-   [Documentation de Tesseract, fichiers de données entraînées par langue, dont l’arabe (consultée le 2026-11-14)](https://tesseract-ocr.github.io/tessdoc/Data-Files-in-different-versions.html)
-   [Unicode Standard Annex #9, Unicode Bidirectional Algorithm (consultée le 2026-11-14)](https://www.unicode.org/reports/tr9/)
