«يدعم اللغة العربية» عبارة تظهر في صفحة اللغات لدى كل مزوّد تقريباً، ولا تقول شيئاً عن السؤال الذي يهم موظف الأرشيف في جدة أو المحاسب في الرياض: هل تستطيع هذه الأداة قراءة فاتورة ممسوحة ضوئياً بخط صغير، أو نموذج حكومي بجداوله وخاناته، أو ملاحظة مكتوبة بخط اليد؟ قرأنا وثائق اللغات والأسعار والمناطق لدى السحابات الثلاث الكبرى وأدوات سطح المكتب والمشاريع المفتوحة ونماذج المحادثة متعددة الوسائط، وقرأنا أربع دراسات مستقلة قاست التعرّف الضوئي على العربية بين عامي ٢٠٢٥ و٢٠٢٦. ثلاث نتائج تخالف ما يُفترض عادة: أكروبات من أدوبي لا يتعرّف على العربية أصلاً؛ وأمازون تكستراكت أضاف العربية المطبوعة قبل أسبوعين فقط من كتابة هذا الدليل؛ وأزور هي الخدمة السحابية الكبرى الوحيدة التي تُدرج العربية ضمن لغات الخط اليدوي في وثائقها. أجرينا اختباراً واحداً بأنفسنا على صفحة مطبوعة (انظر «ما جرّبناه بأنفسنا» أدناه)، وكل رقم آخر أدناه منسوب إلى مصدر مؤرَّخ.
العربية المطبوعة: من يقرأها فعلاً
الطباعة الحديثة الواضحة مشكلة شبه محلولة. تُدرج جوجل العربية في جدول اللغات المدعومة لخدمة فيجن وفي معالِجات دوكيومنت إيه آي (التعرّف الضوئي المؤسسي، ومحلّل النماذج، ومحلّل التخطيط) بتاريخ ١٠ نوفمبر ٢٠٢٦. وتُدرجها مايكروسوفت في جداول النص المطبوع لنموذجَي القراءة والتخطيط في أزور دوكيومنت إنتليجنس، مع ملاحظة مهمة: النماذج «الشاملة» تستخرج النص متعدد اللغات من دون تحديد رمز لغة، وتحديد رمز خاطئ قد يُرجع نصاً ناقصاً. وأعلنت أمازون في ٢ نوفمبر ٢٠٢٦ نموذجاً جديداً لاكتشاف النص يرفع التغطية إلى أكثر من أربعين لغة بينها العربية، لكن صفحة اللغات المدعومة لديها ما زالت تضع العربية في الفئة الثالثة فقط (الجداول والتخطيط والتوقيعات واكتشاف النص غير المتزامن)، بينما تبقى الاستعلامات والفواتير والهويات بالإنجليزية وحدها. على سطح المكتب، يُدرج آبي فاين ريدر «العربية (السعودية)» منذ سنوات، وماثبِكس يذكر العربية ضمن لغاته المطبوعة. أما أكروبات، فقد أكّد موظف في أدوبي في أبريل ٢٠٢٥ أن أداة التعرّف الضوئي فيه «لا تدعم العربية رسمياً»، وقائمة لغات تصدير بي دي إف المحدَّثة في أبريل ٢٠٢٦ لا تحتوي العربية، وقائمة الإعدادات المحلية في واجهة خدمات بي دي إف تضم العبرية ولا تضم العربية. من يملك اشتراك أكروبات لأرشفة مستنداته العربية يملك أداة لا تقرأها.
الخط اليدوي: نقطة الضعف المعروفة، بالأرقام
هنا تنقلب الصورة. تفصل معظم الشركات لغات الخط اليدوي عن لغات الطباعة، وقائمة الخط اليدوي أقصر بكثير. جدول «نصوص الخط اليدوي» في وثائق جوجل فيجن يضم اللاتينية والسيريلية والديفاناغارية والصينية واليابانية والكورية والبنغالية واليونانية والفيتنامية، ولا يضم العربية. وتقول حدود تكستراكت صراحة إن «التعرّف على الحروف المكتوبة بخط اليد مدعوم بالإنجليزية فقط». ويقول دليل محرّك آبي إن «التعرّف الذكي على الحروف العربية غير مدعوم» ويقترح حلاً بديلاً لقراءة الأرقام العربية المكتوبة باليد فقط. وماثبِكس يحصر خطّه اليدوي في الإنجليزية والهندية ولغات الحرف اللاتيني. الاستثناء الموثَّق هو أزور: صفحة دعم اللغات في دوكيومنت إنتليجنس (بتاريخ أبريل ٢٠٢٦) تُدرج اثنتي عشرة لغة للخط اليدوي في نموذجَي القراءة والتخطيط بينها العربية، ويعود ذلك إلى توسعة نوفمبر ٢٠٢٣ التي أضافت الروسية والعربية والتايلندية. لكن حتى هذا الدعم لا يحمل رقم دقة؛ خدمة أزور فيجن المنفصلة لتحليل الصور لا تُدرج العربية في خطّها اليدوي.
الأرقام المستقلة تشرح لماذا. مقياس «كتاب-بنش» الصادر عن جامعة محمد بن زايد للذكاء الاصطناعي ومونتا إيه آي (النسخة المحدَّثة في يونيو ٢٠٢٥) قاس معدل خطأ الحروف على مجموعة «خط» الصادرة عن جامعة الملك فهد للبترول والمعادن، وهي ألف كاتب وأكثر من تسعة آلاف سطر بخط اليد: نموذج جيميناي المُختبَر حقّق ٠٫١٩، ونموذج أوبن إيه آي ٠٫٤٥، وتسراكت ٠٫٦٧، وأزور ٠٫٨٣، أي أن أزور، صاحبة الدعم الموثَّق، أخطأت في أكثر من ثمانية أحرف من كل عشرة على هذه المجموعة. وعلى مخطوطات «مُحرَف» التاريخية كانت الأخطاء ٠٫٣٣ و٠٫٥٦ و٠٫٧٧ و٠٫٥٢ على الترتيب. ودراسة أخرى نُشرت في أغسطس ٢٠٢٦ اختبرت الأدوات على مقالات طلاب حقيقية بخط اليد فسجّل تسراكت معدل خطأ ٧٦٪ ووقع نموذج لغوي بصري مفتوح في حلقات تكرار رفعت خطأه فوق ١٠٠٪. أفضل ما نشرته الأبحاث الأكاديمية على «خط» يدور حول ٨٪ إلى ١٥٪ من الحروف، وهي نماذج بحثية لا منتجات. الخلاصة العملية: أي أداة تجارية تقرأ اليوم ملاحظة سعودية مكتوبة باليد ستحتاج إلى مراجعة بشرية سطراً بسطر، والأداة الوحيدة التي تلتزم بذلك في وثائقها هي أزور، والأداة التي تحقّق أقل خطأ في الدراسات هي نموذج محادثة لا منتج تعرّف ضوئي.
نماذج المحادثة بوصفها قارئاً للمستندات
في جدول «كتاب-بنش» للصورة إلى نص، تصدّر نموذج جيميناي القائمة بمعدل خطأ حروف ٠٫١٣، ثم نموذج «عين» البحثي ٠٫٢٠، ثم نموذج أوبن إيه آي ٠٫٣١، بينما سجّل التعرّف الضوئي في أزور ٠٫٥٢ وتسراكت ٠٫٥٤ وإيزي أو سي آر ٠٫٥٨ وبادل أو سي آر ٠٫٧٩ وسوريا ٤٫٩٥. كلود لم يُقيَّم في «كتاب-بنش» ولا في «كاميل-بنش». هذه النتائج تجعل رفع صفحة ممسوحة إلى تطبيق محادثة أفضل خيار سريع لقارئ فرد، بشروط: جيميناي يقبل ملفات بي دي إف حتى ألف صفحة أو خمسين ميغابايت ويحسب كل صفحة بنحو ٢٥٨ رمزاً؛ وكلود يقبل حتى مئة صفحة في الطلب العادي ويحوّل كل صفحة إلى صورة ونص معاً؛ وأوبن إيه آي تحدّد الملف بخمسين ميغابايت وتكتب في وثائق الرؤية أن النموذج «قد لا يعمل على النحو الأمثل مع نصوص بحروف غير لاتينية». أي من الثلاثة لا يوثّق دقة العربية ولا يضمنها، ولا يصلح لرفع هويات أو عقود تحوي بيانات شخصية إلى اشتراك استهلاكي، فهذا نقل للبيانات خارج المملكة بلا عقد معالجة.
المصادر المفتوحة والواجهات المتخصصة
تسراكت يملك نموذج «ara» منذ عقد، ويبقى الخيار المجاني الوحيد الذي يعمل بلا إنترنت على أي حاسوب، لكن وثائق التدريب فيه تشرح أن النص العربي يُكتب للتدريب من اليسار إلى اليمين ويُعاد ترتيبه لاحقاً، ونتائجه على الطباعة النظيفة جيدة (نحو ٥٪ خطأ على مجموعة «سارد» المُولَّدة) وعلى المسح الحقيقي رديئة. بادل أو سي آر يذكر لنموذجه العربي الأحدث دقة ٨١٪ على مجموعة اختبار داخلية تضم العربية والفارسية والأردية والبشتو، وإيزي أو سي آر يدعم العربية والفارسية والأردية والأويغورية ويضع الخط اليدوي في خانة «قريباً» ولم يُحدَّث منذ سبتمبر ٢٠٢٤. سوريا يُقرّ في جدوله الخاص بأن العربية من أضعف لغاته (نحو ٤٥٪ إلى ٤٦٪)، ويحمل ترخيصاً يقيّد الاستخدام التجاري فوق سقف إيرادات. المشروع الأكثر إثارة هو «قارئ»، وهو نموذج لغوي بصري صغير من جامعة الأمير سلطان حقّق في ورقته (يونيو ٢٠٢٥) معدل خطأ حروف ٠٫٠٦ على نصوص مطبوعة مشكَّلة بالكامل، مع إقرار صريح بأن قدرته على الخط اليدوي محدودة. وفي الرياض، نشرت «مسراج» نموذج «بصير» الذي يحوّل الصفحة إلى ماركداون بجداوله وعناوينه، بمعدل خطأ كلمات ٠٫٢٥ على مقياسها الخاص، من دون توثيق منشور للأسعار أو الخط اليدوي أو مكان المعالجة. أما ميسترال، فتُدرج العربية في قائمة لغاتها «القوية» لخدمة التعرّف الضوئي، وتبيع الصفحة بأربعة دولارات لكل ألف (دولارين في وضع الدفعات) بتاريخ نوفمبر ٢٠٢٦، وتعرض الخدمة في حاوية واحدة للتشغيل الذاتي، لكنها لم تنشر صفاً عربياً في أي من جداول قياسها الأربعة.
الجداول والنماذج والهويات والفواتير السعودية
القراءة شيء والفهم شيء آخر. نموذج الفواتير المُسبق في أزور يُدرج العربية ضمن لغاته، ومحلّل الفواتير في جوجل لا يُدرجها (اثنتا عشرة لغة أوروبية فقط)، ونماذج تكستراكت للاستمارات تعمل بست لغات لاتينية والاستعلامات بالإنجليزية. ولا تغطّي نماذج الهويات في أي من السحابات الثلاث وثيقة خليجية واحدة: جوجل تقرأ جوازات ورخص الولايات المتحدة، وأمازون «الهويات الصادرة عن الحكومة الأمريكية»، وأزور جوازات العالم وهويات أمريكا وأوروبا والهند وكندا وأستراليا. من يحتاج إلى قراءة الهوية الوطنية أو الإقامة أو رخصة القيادة السعودية يجد ذلك عند شركات التحقّق من الهوية: «أقودو» الإماراتية توثّق قوالب الهوية السعودية للمواطن (القديمة والجديدة) والمقيم والمقيم المميز وتُرجع حقولاً مثل تاريخ الميلاد الهجري وتاريخ الانتهاء الهجري والمهنة بالعربية؛ و«آي دي وايز» تذكر ١٥٢ قالباً سعودياً مع لاحقة «هجري» لكل تاريخ غير ميلادي؛ و«سمارت إنجينز» تعمل على الجهاز بلا إرسال بيانات وتغطي هويات السعودية والإمارات وقطر والبحرين والكويت وعُمان. التواريخ الهجرية غير موثَّقة إطلاقاً في أزور وجوجل وتكستراكت، وآبي تقول في قاعدة معرفتها إنه «لا خيارات مدمجة» للتحويل بين التقويمَين. وأما رمز الاستجابة السريعة في فواتير «فاتورة» من هيئة الزكاة والضريبة والجمارك، فهو ليس مسألة تعرّف ضوئي أصلاً: معيار الهيئة (مايو ٢٠٢٣) يحدّده بنية «علامة-طول-قيمة» مشفَّرة بقاعدة أربع وستين تضم اسم البائع ورقمه الضريبي والطابع الزمني والإجمالي وقيمة الضريبة، ويُستخرج بقارئ رموز لا بقارئ نصوص، ولم نجد له ذكراً في وثائق أي من السحابات الثلاث.
الأسعار كما نُشرت في نوفمبر ٢٠٢٦
- جوجل فيجن ودوكيومنت إيه آي (التعرّف المؤسسي): دولار ونصف لكل ألف صفحة بعد أول ألف مجانية شهرياً؛ محلّل النماذج والمستخرج المخصّص ثلاثون دولاراً؛ محلّل التخطيط عشرة دولارات.
- أمازون تكستراكت: دولار ونصف لكل ألف صفحة لاكتشاف النص، خمسة عشر للجداول، خمسون للاستمارات؛ طبقة مجانية لثلاثة أشهر بألف صفحة شهرياً.
- أزور دوكيومنت إنتليجنس: خمسمئة صفحة مجانية شهرياً في الطبقة المجانية (أول صفحتَين من كل ملف فقط)؛ صفحة الأسعار الرسمية عرضت لنا شرطات بدل الأرقام في كل منطقة جرّبناها، فلم نُثبّت سعر الطبقة المدفوعة.
- ميسترال: أربعة دولارات لكل ألف صفحة، دولاران في وضع الدفعات، خمسة مع الاستخراج المُنظَّم.
- آبي فاين ريدر بي دي إف: تسعة وتسعون دولاراً سنوياً للنسخة العادية ومئة وخمسة وستون للمؤسسية. أكروبات برو: نحو عشرين دولاراً شهرياً بالتزام سنوي، من دون عربية.
- تسراكت وبادل أو سي آر وإيزي أو سي آر و«قارئ»: مجانية بترخيص أباتشي أو ما يماثله؛ سوريا مجاني تحت سقف إيرادات.
- نماذج المحادثة عبر الواجهة البرمجية: بحساب ٢٥٨ رمزاً للصفحة، تكلّف قراءة ألف صفحة على نموذج جيميناي الخفيف أقل من عُشر دولار في الإدخال، وهو حسابنا من سعر الرمز المنشور لا رقم من جوجل.
أين تُعالَج صفحاتك
لا تملك أي من خدمات التعرّف الضوئي السحابية الثلاث نقطة معالجة في الخليج. جوجل فيجن تعمل عالمياً أو عبر نقطتَين أوروبية وأمريكية، ودوكيومنت إيه آي تتوفّر في موقعَي الولايات المتحدة وأوروبا وسبع مناطق منفردة ليس بينها الشرق الأوسط. تكستراكت متاح في ثماني عشرة منطقة لا تضم البحرين ولا الإمارات. أزور دوكيومنت إنتليجنس هي الأقرب: إجابة رسمية في منتدى أسئلة مايكروسوفت (فبراير ٢٠٢٥) تذكر منطقتَي الإمارات الشمالية والوسطى، ولم نستطع تأكيد قطر أو السعودية من صفحة مايكروسوفت نفسها، ومنطقة «السعودية الشرقية» المعلَن عنها لنوفمبر ٢٠٢٦ لا تحمل قائمة خدمات منشورة. من يحتاج إلى معالجة داخل المملكة يختار اليوم بين أدوات تعمل محلياً، وهي آبي وتسراكت وبادل وإيزي أو سي آر و«قارئ» وحاوية ميسترال للتشغيل الذاتي وسمارت إنجينز على الجهاز، أو يقبل نقل الصفحات إلى الإمارات أو أوروبا بعقد معالجة وبنود تعاقدية وفق لائحة نقل البيانات الشخصية.
ما جرّبناه بأنفسنا: صفحة مطبوعة واحدة في نموذجَي محادثة
بعد ظهر ١٥ نوفمبر ٢٠٢٦، بعد ساعات من نشر هذا الدليل، صوّر أحدنا بهاتفه الغلاف الخلفي لكتاب عربي مطبوع من مكتبة جرير: نحو خمسة وعشرين سطراً بثلاثة خطوط، مع تشكيل جزئي، ورقم بالأرقام الغربية، وعنوان موقع وسطرَين بالإنجليزية ورقم ردمك، والصفحة مائلة قليلاً تحت إضاءة منزلية. رفعنا الصورة نفسها إلى تطبيق تشات جي بي تي وتطبيق جيميناي بالاختيار التلقائي للنموذج في كليهما، بطلب واحد: «انسخ النص في هذه الصورة كما هو، سطراً بسطر، بدون تصحيح أو ترجمة». ثم قارنّا المخرجَين بالصفحة حرفاً حرفاً.
جيميناي أخطأ في حرف واحد: أسقط التاء من «تكريس» فكتب «كريس»، واستبدل بالزخارف الفاصلة بين عناصر القائمة حرف «و». ما عدا ذلك نقل الصفحة كما هي: الشدّات حيث طُبعت، وتنوين الفتح بصيغته في الكتاب، والرسم غير المعياري «المبادىء» كما ورد، وكلمة «استشاريي» بيائَيها، وسطر الردمك كاملاً. تشات جي بي تي أخطأ في ثلاثة مواضع: قرأ «يعبّر» على أنها «يعتبر»، وألصق «هو وقت» في كلمة واحدة، وأسقط ياءً من «استشاريي»؛ وأضاف فاصلة ليست في الأصل، وأسقط سطر الردمك، ووحّد الإملاء من تلقاء نفسه رغم طلبنا: حذف الشدّات، وكتب «المبادئ» بدل «المبادىء»، ونقل التنوين إلى الألف. الأرقام وعنوان الموقع والسطور الإنجليزية صحيحة في الاثنَين، ولم يقرأ أي منهما العبارة الدقيقة أسفل شعار الناشر.
الخلاصة من صفحة واحدة: الطباعة النظيفة مشكلة محلولة في نماذج المحادثة، والفرق بينها ليس في «هل تقرأ العربية» بل في «هل تنقل أم تصحّح»؛ من يحتاج إلى نسخة طبق الأصل لأرشيف أو مرجع يحتاج إلى النموذج الذي يترك الشدّة والرسم القديم كما هما. وحدود الاختبار واضحة: صفحة واحدة، وإضاءة واحدة، ولا خط يدوي، ولا جدول، ولا تاريخ هجري، ولا منتج تعرّف ضوئي واحد من المذكورة أعلاه. كل ما يقوله هذا الدليل عن الخط اليدوي ما زال يستند إلى الدراسات لا إلى أيدينا.
ما لم نستطع التحقق منه
اختبارنا الوحيد صفحة مطبوعة واحدة في نموذجَي محادثة؛ لم نختبر خطاً يدوياً ولا أي منتج تعرّف ضوئي، وكل ما عدا ذلك قراءة للوثائق والدراسات. عمود «الخط اليدوي» في جدول لغات دوكيومنت إيه آي لم يظهر في نسخة الصفحة التي قرأناها، فلا نعرف هل العربية مؤشَّرة فيه. سعر الطبقة المدفوعة في أزور دوكيومنت إنتليجنس لم يُعرض على صفحة الأسعار الرسمية. توفّر الخدمة في قطر والسعودية لم نؤكده من مصدر مايكروسوفت. لم نجد صفحة منتج حالية للتعرّف الضوئي عند صخر أو آر دي آي، ولا منتجاً للمستندات عند لسان أو علم أو ثقة أو مزن. لم تنشر ميسترال ولا «بصير» ولا بادل رقماً عربياً على مقياس مستقل. لم يُقيَّم كلود في أي مقياس عربي وجدناه. ادعاء شركة ناشئة بمعدل خطأ ٣٫٦٪ على «خط» في مقال مدفوع (مارس ٢٠٢٦) تركناه خارج المقارنة لأنه غير مستقل.
ماذا تختار
لأرشيف ممسوح بطباعة واضحة بالعربية والإنجليزية معاً، تكفي أزور دوكيومنت إنتليجنس أو دوكيومنت إيه آي من جوجل، وتكستراكت صار خياراً منذ نوفمبر ٢٠٢٦ لمن يعمل أصلاً على أمازون، مع تذكّر أن الصفحات ستُعالَج خارج المملكة. لصفحات قليلة لقارئ فرد، نموذج جيميناي أو كلود أو تشات جي بي تي يعطي أفضل نص عربي اليوم بحسب المقاييس المستقلة، بشرط ألا تحوي الصفحة بيانات شخصية. لنموذج حكومي بخط اليد، لا توجد أداة تُغني عن المراجعة البشرية؛ أزور هي الوحيدة التي توثّق المحاولة، ونماذج المحادثة هي الأدق في الدراسات. للهويات والإقامات، اذهب إلى شركات التحقّق التي توثّق القوالب السعودية والحقول الهجرية. ولمن تمنعه أنظمته من إخراج الصفحات، تسراكت للطباعة النظيفة، و«قارئ» للنصوص المشكَّلة، وحاوية ميسترال للجداول والتخطيط، وآبي على سطح المكتب. وفي كل الأحوال، امسح عشر صفحات من أرشيفك أنت وجرّب قبل أن تشتري؛ لا يوجد مقياس منشور يشبه وثائقك.