Cohere lance Parse 5 pour transformer les documents en Markdown

Cohere a lancé Parse, dans sa version parse-v5.0, un modèle de vision et de langage de 2,3 milliards de paramètres conçu pour convertir des documents d'entreprise en Markdown à grande échelle. Selon le média spécialisé MarkTechPost, qui a révélé le lancement le 27 août, et confirmé séparément par le quotidien sud-coréen AI Times, le système reçoit une page de PDF, de PowerPoint ou une image JPEG encodée en base64, et restitue le texte dans son ordre de lecture d'origine, les tableaux convertis en HTML, les listes, les paires clé-valeur des formulaires, les descriptions d'images et les coordonnées de chaque élément sur la page.

Sans étape d'OCR séparée

Contrairement aux chaînes classiques de numérisation, qui font d'abord passer le document par un moteur de reconnaissance optique de caractères, Parse effectue ce travail en une seule passe : le modèle de vision et de langage lui-même — construit sur l'architecture North-Micro-Vision-Instruct de Cohere Labs — récupère à la fois le texte, la mise en page, les tableaux, les formulaires et les images. Il dispose d'une fenêtre de contexte de 8 192 jetons et occupe environ 4,6 gigaoctets sur le disque. Cohere propose deux modes de sortie : l'un renvoie directement une chaîne Markdown, l'autre, appelé « blocks », renvoie des blocs typés — chacun avec son code HTML, sa position exacte sur la page et sa description — pensé pour qu'un système de recherche documentaire puisse citer précisément de quelle partie du document provient une donnée. Selon AI Times, le modèle prend en charge de façon stable neuf langues, dont le français, le coréen, l'anglais, l'allemand, le japonais et l'espagnol, et traite 36 pages par seconde — 2 160 par minute — en fonctionnant sur huit nœuds de GPU H100, une vitesse que le quotidien situe à environ 2,2 fois plus rapide que les analyseurs de documents open source auxquels il se mesure.

Un chiffre que Cohere a lui-même choisi

Cohere justifie son choix de miser sur le prix plutôt que sur la performance maximale par un score de 79,2 sur ParseBench, le banc d'essai de LlamaIndex qui évalue environ 2 078 pages d'entreprise vérifiées par des humains selon cinq critères : tableaux, graphiques, fidélité du contenu, mise en forme sémantique et repérage visuel. Ce chiffre de 79,2, pourtant, ne fait la moyenne que de trois de ces cinq critères — il exclut les graphiques et le repérage visuel, précisément les deux dimensions où la plupart des analyseurs de documents échouent le plus. Sur cette même base à trois critères, Parse devance Mistral OCR 4 (74,5), Azure Document Intelligence (74,3) et Databricks AI Parse (72,4) ; AI Times ajoute à la comparaison AWS Textract (53,3) et Google Document AI (57,3), et précise que seuls des modèles de langage de pointe — GPT-5.5, Opus 4.8 et Gemini 3.5 Flash — font mieux que Parse sur ce même test. Mesurés sur les cinq critères complets du classement public, ces mêmes concurrents chutent bien plus bas — Mistral OCR 4 et Databricks AI Parse plafonnent à 60,68 points, et Azure Document Intelligence (Layout) à 59,64 — et Cohere Parse ne figure pas encore dans ce classement complet, où LlamaParse Agentic est en tête avec 84,88 points.

• Tarif de l'API à l'usage : 1,50 dollar les 1 000 pages.
• Model Vault, instance Medium : 4 dollars de l'heure, ou 2 500 dollars par mois.
• Model Vault, instance XL : 7 dollars de l'heure, ou 4 300 dollars par mois.
• Seuil de rentabilité face au paiement à la page : environ 1,67 million de pages par mois pour l'instance Medium, et 2,87 millions pour la XL.
• Économie supplémentaire d'un déploiement sur Model Vault ou sur site, selon AI Times : jusqu'à 61 % par rapport au tarif standard à la page.

À qui s'adresse le produit

Parse est déjà disponible en production, sans liste d'attente ni licence de recherche préalable, via l'API de Cohere, Microsoft Foundry, AWS SageMaker et Model Vault, son option d'instance dédiée à un seul client. Cohere cible les secteurs qui traitent de gros volumes de papier — banque et services financiers, assurance, santé et sciences de la vie, secteur public, télécommunications, énergie et industrie — pour des usages comme l'alimentation de systèmes de génération augmentée par récupération (RAG), le traitement des sinistres et des factures, la recherche dans les contrats et dossiers, ou l'apport de contexte documentaire à des agents d'intelligence artificielle. Les équipes qui disposent déjà d'une infrastructure RAG peuvent démarrer avec des appels d'API facturés à l'usage et une clé d'essai gratuite, tandis que les grandes entreprises soumises à des exigences de résidence des données ou d'isolement complet du système passent directement par Model Vault ou un déploiement privé ; l'économie d'une instance dédiée, selon MarkTechPost, ne devient intéressante qu'au-delà d'environ 100 000 pages par mois.

Pour une entreprise française qui traite de gros volumes de factures, de contrats ou de dossiers administratifs — une banque, un assureur ou une administration —, Parse propose une alternative à coût connu face à des outils comme Azure Document Intelligence ou Amazon Textract, avec l'avantage que le français figure parmi les neuf langues prises en charge de façon stable par le modèle. Le chiffre de performance mis en avant par Cohere mérite toutefois d'être lu avec prudence : mesuré sur les cinq critères complets du banc d'essai public, ni Parse ni ses principaux concurrents commerciaux ne s'approchent encore du résultat des systèmes spécialisés qui dominent ce classement. Avant de migrer un flux de travail critique, tester l'outil sur les propres documents de l'entreprise reste la seule vérification qui compte réellement.