# DeepSeek-OCR 2 : Guide d'exécution et d'affinage
**DeepSeek-OCR 2** est le nouveau modèle de 3 milliards de paramètres pour la vision SOTA et la compréhension de documents, publié le 27 janvier 2026 par DeepSeek. Le modèle se concentre sur l’image vers texte avec un raisonnement visuel plus fort, et pas seulement sur l’extraction de texte.
DeepSeek-OCR 2 introduit DeepEncoder V2, qui permet au modèle de « voir » une image dans le même ordre logique qu’un humain.
Contrairement aux LLM de vision traditionnels qui analysent les images selon une grille fixe (haut gauche → bas droite), DeepEncoder V2 construit d’abord une compréhension globale, puis apprend un ordre de lecture proche de celui d’un humain : quoi regarder en premier, ensuite, et ainsi de suite. Cela améliore l’OCR sur les mises en page complexes en suivant mieux les colonnes, en reliant les étiquettes aux valeurs, en lisant les tableaux de manière cohérente et en gérant les mélanges de texte et de structure.
Vous pouvez désormais fine-tuner DeepSeek-OCR 2 dans Unsloth via notre [**notebook gratuit de fine-tuning**](https://colab.research.google.com/github/unslothai/notebooks/blob/main/nb/Deepseek_OCR_\(3B\).ipynb)**.** Nous avons démontré une [amélioration de 88,6 %](#fine-tuning-deepseek-ocr) pour la compréhension du langage.
Exécution de DeepSeek-OCR 2Fine-tuning de DeepSeek-OCR 2
## 🖥️ **Exécution de DeepSeek-OCR 2**
Afin d’exécuter le modèle, comme le premier modèle, DeepSeek-OCR 2 a été modifié pour permettre l’inférence et l’entraînement sur les derniers transformers (sans changement de précision). Vous pouvez trouver [ici](https://huggingface.co/unsloth/DeepSeek-OCR-2).
Pour exécuter le modèle dans [transformers](#transformers-run-deepseek-ocr-2-tutorial) ou [Unsloth](#unsloth-run-deepseek-ocr-tutorial), voici les paramètres recommandés :
### :gear: Paramètres recommandés
DeepSeek recommande ces paramètres :
* **Température = 0,0**
* `max_tokens = 8192`
* `ngram_size = 30`
* `window_size = 90`
**Modes de prise en charge - résolution dynamique :**
* Par défaut : (0-6)×768×768 + 1×1024×1024 — (0-6)×144 + 256 jetons visuels
**Exemples d’invite :**
```
# document : \n<|grounding|>Convertissez le document en markdown.
# autre image : \n<|grounding|>Faites l’OCR de cette image.
# sans mises en page : \nOCR libre.
# figures dans le document : \nAnalysez la figure.
# général : \nDécrivez cette image en détail.
# rec : \nLocalisez <|ref|>xxxx<|/ref|> dans l’image.
```
Transforme n’importe quel document en markdown à l’aide de Visual Causal Flow.
### 🦥 Tutoriel Unsloth : exécuter DeepSeek-OCR 2
1. Obtenez la dernière `unsloth` via `pip install --upgrade unsloth` . Si vous avez déjà Unsloth, mettez-le à jour via `pip install --upgrade --force-reinstall --no-deps --no-cache-dir unsloth unsloth_zoo`
2. Utilisez ensuite le code ci-dessous pour exécuter DeepSeek-OCR 2 :
{% code overflow="wrap" %}
```python
from unsloth import FastVisionModel
import torch
from transformers import AutoModel
import os
os.environ["UNSLOTH_WARN_UNINITIALIZED"] = '0'
from huggingface_hub import snapshot_download
snapshot_download("unsloth/DeepSeek-OCR-2", local_dir = "deepseek_ocr")
model, tokenizer = FastVisionModel.from_pretrained(
"./deepseek_ocr",
load_in_4bit = False, # Utilisez 4bit pour réduire l’utilisation de la mémoire. False pour LoRA 16 bits.
auto_model = AutoModel,
trust_remote_code = True,
unsloth_force_compile = True,
use_gradient_checkpointing = "unsloth", # True ou "unsloth" pour un long contexte
)
prompt = "\nOCR libre. "
image_file = 'your_image.jpg'
output_path = 'your/output/dir'
res = model.infer(tokenizer, prompt=prompt, image_file=image_file, output_path = output_path, base_size = 1024, image_size = 640, crop_mode=True, save_results = True, test_compress = False)
```
{% endcode %}
### 🤗 Transformers : tutoriel pour exécuter DeepSeek-OCR 2
Inférence à l’aide de Huggingface transformers sur des GPU NVIDIA. Exigences testées sur python 3.12.9 + CUDA11.8 :
```bash
torch==2.6.0
transformers==4.46.3
tokenizers==0.20.3
einops
addict
easydict
pip install flash-attn==2.7.3 --no-build-isolation
```
```python
from transformers import AutoModel, AutoTokenizer
import torch
import os
os.environ["CUDA_VISIBLE_DEVICES"] = '0'
model_name = 'unsloth/DeepSeek-OCR-2'
tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True)
model = AutoModel.from_pretrained(model_name, _attn_implementation='flash_attention_2', trust_remote_code=True, use_safetensors=True)
model = model.eval().cuda().to(torch.bfloat16)
# prompt = "\nOCR libre. "
prompt = "\n<|grounding|>Convertissez le document en markdown. "
image_file = 'your_image.jpg'
output_path = 'your/output/dir'
res = model.infer(tokenizer, prompt=prompt, image_file=image_file, output_path = output_path, base_size = 1024, image_size = 768, crop_mode=True, save_results = True)
```
## 🦥 **Fine-tuning de DeepSeek-OCR 2**
Unsloth prend désormais en charge le fine-tuning de DeepSeek-OCR 2. Comme pour le premier modèle, vous devrez utiliser notre [téléversement personnalisé](https://huggingface.co/unsloth/DeepSeek-OCR-2) pour qu’il fonctionne sur `transformers` (sans changement de précision). Comme pour le premier modèle, Unsloth entraîne DeepSeek-OCR-2 1,4x plus vite avec 40 % de VRAM en moins et des longueurs de contexte 5x plus longues sans dégradation de la précision.\
\
Vous pouvez désormais fine-tuner DeepSeek-OCR 2 via notre notebook Colab gratuit.
* DeepSeek-OCR 2 : [Notebook de fine-tuning uniquement](https://colab.research.google.com/github/unslothai/notebooks/blob/main/nb/Deepseek_OCR_2_\(3B\).ipynb)
Voir ci-dessous les améliorations de précision CER (taux d’erreur de caractères) sur la langue persane :
#### CER par échantillon (10 échantillons)
| idx | OCR1 avant | OCR1 après | OCR2 avant | OCR2 après |
| ---- | ---------: | ---------: | ---------: | ---------: |
| 1520 | 1.0000 | 0.8000 | 10.4000 | 1.0000 |
| 1521 | 0.0000 | 0.0000 | 2.6809 | 0.0213 |
| 1522 | 2.0833 | 0.5833 | 4.4167 | 1.0000 |
| 1523 | 0.2258 | 0.0645 | 0.8710 | 0.0968 |
| 1524 | 0.0882 | 0.1176 | 2.7647 | 0.0882 |
| 1525 | 0.1111 | 0.1111 | 0.9444 | 0.2222 |
| 1526 | 2.8571 | 0.8571 | 4.2857 | 0.7143 |
| 1527 | 3.5000 | 1.5000 | 13.2500 | 1.0000 |
| 1528 | 2.7500 | 1.5000 | 1.0000 | 1.0000 |
| 1529 | 2.2500 | 0.8750 | 1.2500 | 0.8750 |
#### CER moyen (10 échantillons)
* **OCR1 :** avant **1.4866**, après **0.6409** (**-57%**)
* **OCR2 :** avant **4.1863**, après **0.6018** (**-86%**)
## 📊 Benchmarks
Les benchmarks du modèle DeepSeek-OCR 2 sont dérivés de l’article de recherche officiel.
**Tableau 1 :** Évaluation complète de la lecture de documents sur OmniDocBench v1.5. V-token𝑚𝑎𝑥\
représente le nombre maximal de jetons visuels utilisés par page dans ce benchmark. R-order\
désigne l’ordre de lecture. À l’exception de DeepSeek OCR et DeepSeek OCR 2, tous les autres résultats de modèle\
dans ce tableau proviennent du dépôt OmniDocBench.
**Tableau 2 :** Distances d’édition pour différentes catégories d’éléments documentaires dans OmniDocBench v1.5.\
V-token𝑚𝑎𝑥 désigne le nombre maximal le plus faible de jetons visuels.
Surpasse Gemini-3 Pro sur OmniDocBench
---
# Agent Instructions: Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.
Perform an HTTP GET request on the current page URL with the `ask` query parameter:
```
GET https://unsloth.ai/docs/fr/modeles/tutorials/deepseek-ocr-2.md?ask=
```
The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.
Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.