Cohere a lancé Parse 5, un modèle de 2,3 milliards de paramètres destiné à convertir les PDF, les diapositives et les documents numérisés en Markdown structuré. Le modèle traite la page comme une image et produit le résultat en un seul passage dans un modèle vision-langage ; il restitue les tableaux au format HTML, les images avec leurs descriptions, ainsi que des coordonnées indiquant l’emplacement des tableaux et des images. Le tarif de l’API a été fixé à 1,50 $ pour 1 000 pages.
Dans le comparatif ParseBench de Cohere, Parse 5 a obtenu 79,2 points dans les catégories des tableaux, de l’exactitude du contenu et du formatage sémantique. Ce score est inférieur aux 84,4 points de GPT-5.5, aux 84,3 points d’Opus 4.8 et aux 81,8 points de Gemini 3.5 Flash, mais supérieur aux 78,3 points du niveau Cost Effective de LlamaParse. Le modèle est proposé via l’API de Cohere, Model Vault, Microsoft Foundry et AWS SageMaker. Les catégories Chart et Layout n’ont pas été incluses dans l’évaluation, tandis que la fonctionnalité d’extraction des données graphiques serait prévue dans une prochaine version.
Pourquoi est-ce important ?
Parse 5 propose, pour les processus de conversion de documents, un standard de sortie permettant de traiter conjointement les tableaux, les images et leur emplacement dans la page, plutôt que d’extraire uniquement du texte. Cela peut avoir une incidence directe sur la manière dont les données obtenues sont utilisées lors des traitements ultérieurs par les équipes travaillant avec des PDF et des documents numérisés ; toutefois, l’absence actuelle de prise en charge de l’extraction des données graphiques en limite la portée. Les résultats de performance montrent que le modèle se situe en dessous de certains concurrents, mais au-dessus du niveau indiqué de LlamaParse ; en outre, l’absence des catégories relatives aux graphiques et à la mise en page dans l’évaluation réduit la portée de la comparaison. Le prix et la disponibilité sur différentes plateformes cloud imposent de fonder le choix non seulement sur le score du modèle, mais aussi sur le mode d’utilisation et l’infrastructure technique existante.