Datalab a lancé OmniParseBench, un benchmark ouvert pour la reconnaissance optique de caractères. Il propose 16 288 tests binaires qui évaluent la capacité des outils OCR à traiter des documents réels. Les tests portent sur 2 937 pages rédigées dans 92 langues différentes. Les résultats sont présentés sous forme de taux de réussite, que les utilisateurs peuvent ventiler par langue, écriture ou étiquette. Le benchmark est librement accessible à toute personne qui développe ou compare des systèmes OCR.
Pourquoi c'est important
Il permet aux développeurs et aux chercheurs de comparer les outils OCR sur un vaste corpus multilingue et d’en repérer les points forts et les lacunes.
