Multimodal

Un modèle multimodal combine dans une même architecture la capacité de traiter du texte, des images, parfois de l'audio et de la vidéo. En 2026, Claude (vision), GPT-4o, Gemini, et plusieurs modèles open-source comme Llama 3.2 Vision ou Qwen2-VL sont nativement multimodaux : on peut leur envoyer une photo de facture avec une question, un screenshot d'erreur avec du contexte, un tableau Excel et un graphique simultanément. Le modèle « voit » tout dans la même fenêtre de contexte et raisonne dessus.

Les usages business directs : OCR intelligent qui lit factures et contrats avec compréhension du contenu, analyse de captures d'écran pour le support technique, lecture de plans en BTP, interprétation d'images médicales basique, extraction de données depuis tableaux et graphiques scannés, tri d'images en e-commerce. Le multimodal remplace ou complète des chaînes de traitement spécialisées qui demandaient auparavant 3-4 outils distincts. La précision dépend toutefois du domaine — sur du texte manuscrit dégradé ou des images très techniques, des modèles spécialisés (notamment de vision par ordinateur) restent meilleurs.

Limites à connaître : facturation à l'image (typiquement 0,5 à 5 € par 1000 images selon résolution et modèle), latence plus élevée qu'en texte pur, qualité variable sur les langues non-anglaises pour les détails fins, et toujours des hallucinations possibles (le modèle peut « voir » des choses qui ne sont pas là). On combine souvent multimodal + RAG + function calling pour valider les extractions critiques. Pour intégrer la vision dans un workflow métier, on cadre via un audit IA gratuit.