Aller au contenu principal
PromptQuorumConçu pour les humains. Structuré pour l'IA.
Accueil/LLM locaux avancés
RAG & Document Chat

Docling : test du parseur de documents open source pour le RAG

·6 min de lecturePar · Fondateur de PromptQuorum · Moteur de découverte de l'IA open-weight et open source

Docling (70 000+ étoiles GitHub) convertit PDF, DOCX, PPTX, XLSX, HTML, EPUB et images en Markdown, JSON et HTML pour les pipelines RAG et LLM ; traite les documents sur votre machine, propose un serveur MCP via le paquet séparé docling-mcp et son code est gratuit sous licence MIT. Les poids de modèles sont téléchargés depuis Hugging Face à la première utilisation. C'est une bibliothèque Python (3.10 ou plus récent) et un outil CLI ; installez-le avec pip install docling.

Points clés

  • Licence MIT pour le code ; 70 000+ étoiles GitHub ; lancé par IBM Research Zurich, hébergé par la LF AI & Data Foundation.
  • pip install docling — Python 3.10 ou plus récent (3.10-3.14 selon pyproject.toml), pas de Java.
  • Sorties : Markdown, JSON (avec bounding boxes), HTML, DocLang et DocTags.
  • Prise en charge MCP via le paquet séparé docling-mcp : les assistants IA compatibles peuvent appeler Docling.
  • Extraction de tableaux et bounding boxes documentées dans le README officiel.

📍 En une phrase

Docling est une bibliothèque Python open source lancée par IBM Research Zurich et hébergée par la LF AI & Data Foundation, qui convertit PDF, DOCX, PPTX, XLSX, HTML, EPUB et images en Markdown, JSON et HTML pour les pipelines RAG et LLM et traite les documents sur votre machine.

💬 En termes simples

Vous lui donnez un fichier document ; elle lit la structure — titres, tableaux, blocs de texte — et écrit le contenu dans un format utilisable par un LLM ou un système RAG. Vos fichiers ne sont pas téléversés ; les poids de modèles sont téléchargés depuis Hugging Face à la première utilisation.

📌Remarque: PromptQuorum n'a pas testé Docling en pratique. Toutes les informations proviennent de github.com/docling-project/docling et docling-project.github.io/docling, consultés le 15 novembre 2026.

Docling est une bibliothèque open source de parsing de documents, lancée par IBM Research Zurich et hébergée par la LF AI & Data Foundation, qui convertit les PDF, DOCX, PPTX, XLSX, HTML, EPUB et images en Markdown, JSON et autres formats structurés pour les pipelines RAG et LLM. Un serveur MCP est disponible via le paquet séparé docling-mcp. Cette revue est basée sur le dépôt GitHub Docling et docling-project.github.io/docling, consultés le 15 novembre 2026 ; PromptQuorum ne l'a pas installé ni exécuté.

Docling : test du parseur de documents open source pour le RAG

Ce que fait Docling

  • Formats d'entrée. PDF, DOCX, PPTX, XLSX, HTML, EPUB et images.
  • Formats de sortie. Markdown, JSON (avec coordonnées), HTML, DocLang et DocTags.
  • OCR. Traite les PDF numérisés et documents image.
  • Extraction de tableaux. Détection et préservation de la structure des tableaux.
  • Bounding boxes. La sortie JSON inclut les coordonnées des éléments.
  • Serveur MCP. La prise en charge MCP est un paquet séparé, docling-mcp ; les assistants IA compatibles peuvent appeler Docling.

Installer Docling

Docling s'installe avec une seule commande pip. Python 3.10 ou plus récent est requis (3.10-3.14 selon pyproject.toml).

Flux de données

  • Traitement local. Le traitement des documents s'effectue sur votre machine ; vos fichiers ne sont pas téléversés. Le traitement des PDF télécharge des poids de modèles depuis Hugging Face à la première utilisation, puis fonctionne depuis le cache local (préchargement possible pour un usage isolé du réseau).
  • Serveur MCP. Le serveur docling-mcp convertit en local par défaut ; il peut être pointé vers un Docling Serve distant si vous le configurez.
  • Télémétrie. Non mentionnée dans le README ; vérifiez les paramètres si nécessaire.

Licence et prix

Le code de Docling est publié sous licence MIT, permettant une utilisation gratuite dans des projets commerciaux et personnels. Les poids de modèles téléchargés par Docling relèvent de leurs propres licences ; vérifiez-les avant un déploiement commercial.

  • Licence MIT pour le code — conserver la notice de copyright et de licence ; les poids de modèles téléchargés ont leurs propres licences.
  • Code gratuit, y compris pour un usage commercial ; les poids de modèles téléchargés ont leurs propres licences.

Concurrents et alternatives

Autres parseurs dans le même segment du répertoire PromptQuorum :

  • Marker (40 000+ étoiles, code Apache 2.0, poids de modèles sous licence AI Pubs Open RAIL-M modifiée avec limites commerciales) — PDF vers Markdown avec OCR Surya.
  • MinerU (83 000+ étoiles, MinerU Open Source License (Apache 2.0 plus conditions supplémentaires)) — sortie LaTeX disponible.
  • Unstructured — large support d'entrée.

Comparer dans l'annuaire

Questions fréquentes

Docling nécessite-t-il un GPU ?

Le README ne mentionne pas de GPU requis pour l'installation de base. L'OCR peut bénéficier d'un GPU.

Quelle licence utilise Docling ?

Licence MIT pour le code de Docling — utilisation commerciale autorisée, conserver la notice de copyright. Les poids de modèles téléchargés ont leurs propres licences.

Docling envoie-t-il des données à IBM ?

Le traitement des documents s'effectue sur votre machine ; vos fichiers ne sont pas téléversés. Le traitement des PDF télécharge des poids de modèles depuis Hugging Face à la première utilisation, puis fonctionne depuis le cache local (préchargement possible pour un usage isolé du réseau). Le serveur docling-mcp convertit en local par défaut ; il peut être pointé vers un Docling Serve distant si vous le configurez. Le README ne décrit aucun canal de télémétrie.

Docling peut-il traiter des PDF numérisés ?

Oui, Docling inclut un OCR pour les PDF numérisés et documents images.

Qu'est-ce que le serveur MCP de Docling ?

Un serveur MCP qui expose Docling aux assistants IA compatibles pour qu'ils puissent appeler le parseur. Il s'agit du paquet séparé docling-mcp (uvx --from=docling-mcp docling-mcp-server).

Quelle version est couverte dans cette revue ?

v2.150.1, publiée le 14 novembre 2026.

Docling fonctionne-t-il sur Windows ?

Le README ne mentionne pas de restriction Windows ; le paquet PyPI n'a pas de contrainte OS.

Comment Docling se compare-t-il à LlamaParse ?

LlamaParse est proposé par LlamaIndex comme API d'analyse hébergée ; consultez le site de LlamaIndex pour les conditions actuelles. Docling s'exécute sur votre propre matériel et son code est open source sous licence MIT.

Quelle est la différence entre DocLang et Markdown ?

Markdown est un format texte standard ; DocLang est le format structuré propriétaire de Docling avec plus de sémantique documentaire.

Comment puis-je contribuer à Docling ?

Les informations sur les contributions figurent dans le dépôt GitHub github.com/docling-project/docling.

Sources

← Retour aux LLM locaux avancés

MCP