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

Avis sur Marker : convertisseur PDF vers Markdown avec OCR et extraction de tableaux

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

Marker (40 000+ étoiles GitHub) convertit PDF, DOCX, PPTX, XLSX, HTML, EPUB et images en Markdown, JSON et HTML avec le modèle Surya ; le code est sous Apache-2.0, les poids du modèle sous une licence distincte avec seuils de revenu. Bibliothèque Python et CLI ; installation : pip install marker-pdf.

Points clés

  • Code Apache-2.0, poids du modèle sous licence distincte ; 40 000+ étoiles GitHub ; développé par Datalab.
  • pip install marker-pdf — Python 3.10+ et PyTorch requis.
  • Sorties : Markdown, JSON (avec boîtes englobantes), HTML et chunks pour RAG.
  • Surya VLM pour l’OCR ; TableConverter pour les tableaux.
  • Le README ne mentionne pas de serveur MCP.

📍 En une phrase

Marker est une bibliothèque Python (code sous Apache-2.0, poids du modèle sous licence distincte) qui convertit PDF, DOCX, PPTX, XLSX, HTML, EPUB et images en Markdown, JSON et HTML avec l’OCR Surya, sur votre machine ou via l’API Datalab hébergée.

💬 En termes simples

Vous lui fournissez un document ; il lit la structure et le texte — y compris les tableaux et les pages numérisées — et produit du Markdown ou du JSON exploitable par un système RAG ou un LLM. Par défaut, Marker traite les documents sur votre machine ; le mode optionnel --use_llm peut envoyer du contenu au fournisseur de LLM que vous configurez.

📌Remarque: PromptQuorum n’a pas testé Marker en conditions réelles. Toutes les informations proviennent de github.com/datalab-to/marker et datalab.to, lus le 15 novembre 2026.

Marker est une bibliothèque Python et un CLI open source qui convertit PDF, DOCX, PPTX, XLSX, HTML, EPUB et images en Markdown, JSON et HTML à l’aide du modèle vision-langage Surya pour l’OCR. Cette présentation repose sur le dépôt GitHub de Marker et datalab.to, consultés le 15 novembre 2026.

Avis sur Marker : convertisseur PDF vers Markdown avec OCR et extraction de tableaux

Fonctionnalités

  • Formats d’entrée : PDF, PPTX, DOCX, XLSX, HTML, EPUB et images courantes.
  • Formats de sortie : Markdown, JSON avec boîtes englobantes, HTML, chunks pour RAG.
  • OCR : Surya VLM — gère les documents numérisés multilingues.
  • Extraction de tableaux : TableConverter reconstruit les tableaux en Markdown et JSON.
  • GPU optionnel : Surya fonctionne sur GPU, CPU ou Apple MPS.
  • API Datalab : quota gratuit mensuel (le README cite environ 5 000 pages de conversion ; voir datalab.to/pricing) ; offres payantes pour des volumes supérieurs.

Installer Marker

  • Local (Python) : pip install marker-pdf pour le PDF ; `pip install marker-pdf[full]` pour les autres formats (PPTX, DOCX, XLSX, HTML, EPUB).
  • Serveur Surya : au premier usage, Surya lance un serveur d’inférence local : il faut Docker avec vllm et le NVIDIA Container Toolkit sur GPU NVIDIA, ou le binaire llama.cpp llama-server sur CPU et Apple Silicon.
  • API Datalab : créer un compte sur datalab.to ; quota gratuit mensuel (voir datalab.to/pricing).
  • Code source : github.com/datalab-to/marker (code : Apache-2.0).

Flux de données

  • Par défaut, Marker traite les documents sur votre machine. Le mode optionnel --use_llm peut envoyer du contenu au fournisseur de LLM que vous configurez (gemini-3.5-flash par défaut ; Claude, API compatibles OpenAI, Azure, Vertex, OpenRouter et Ollama sont aussi pris en charge). Le README n’indique pas quand les poids du modèle sont téléchargés ; prévoyez un téléchargement lors de l’installation.
  • L’API Datalab hébergée téléverse vos documents sur des serveurs externes — vérifiez les conditions avant d’envoyer des documents confidentiels.
  • Pour les charges de travail sensibles, exécutez Marker en local sans --use_llm.

Licence et prix

  • Licence : le code est sous Apache-2.0 ; les poids du modèle utilisent une licence AI Pubs Open RAIL-M modifiée, gratuite pour la recherche et l’usage personnel, ainsi que pour les organisations dont le chiffre d’affaires brut de l’année précédente et le financement total levé n’excèdent pas 5 M USD chacun. Les organisations plus grandes ont besoin d’une licence commerciale de Datalab, et la licence interdit l’usage dans des produits ou services concurrents de Datalab.
  • Usage local : aucun compte requis ; gratuit dans les limites de la licence des poids du modèle ci-dessus.
  • API Datalab : quota gratuit mensuel (le README cite environ 5 000 pages de conversion ; la page de tarifs l’indique en dollars : 20 $/mois avec e-mail professionnel, 10 $ avec e-mail personnel) ; conditions actuelles sur datalab.to/pricing.

📌Remarque: Avertissement : vérifiez la licence des poids du modèle avant tout usage commercial. Seul le code de Marker est sous Apache-2.0. Les poids du modèle utilisent une licence AI Pubs Open RAIL-M modifiée ; au-delà de 5 M USD de revenus bruts ou de 5 M USD de financement total, une licence commerciale Datalab est nécessaire.

Concurrents et alternatives

  • Docling — MIT par IBM ; serveur MCP documenté (paquet distinct docling-mcp) et plus de formats de sortie.
  • MinerU — open source ; sorties Markdown, HTML, LaTeX ; fusion de tableaux inter-pages, sous la MinerU Open Source License (Apache 2.0 avec conditions supplémentaires ; à vérifier avant usage commercial).
  • Unstructured — bibliothèque ETL Python ; large support de formats dont les e-mails.
  • OpenDataLoader PDF — analyseur PDF uniquement, avec SDK Python, Node.js et Java ; sorties JSON avec boîtes englobantes, Markdown et HTML.

Comparer dans l'annuaire

Questions fréquentes

Marker est-il gratuit pour un usage commercial ?

Cela dépend de votre organisation. Le code est sous Apache-2.0, mais les poids du modèle utilisent une licence AI Pubs Open RAIL-M modifiée : gratuite pour la recherche et l’usage personnel, ainsi que pour les organisations dont le chiffre d’affaires brut de l’année précédente et le financement total levé n’excèdent pas 5 M USD chacun. Les organisations plus grandes ont besoin d’une licence commerciale de Datalab, et la licence interdit l’usage dans des produits ou services concurrents de Datalab. Vérifiez la licence du modèle avant tout usage commercial.

Quelle est la différence entre Marker et Docling ?

Les deux convertissent des PDF localement. Marker utilise Surya OCR pour un Markdown propre ; Docling (MIT, IBM) a un serveur MCP documenté (paquet distinct docling-mcp) et des formats de sortie supplémentaires.

Marker nécessite-t-il un GPU ?

Non. Surya VLM fonctionne sur CPU. Le GPU accélère le traitement mais n’est pas obligatoire.

Comment installer Marker ?

pip install marker-pdf dans un environnement Python 3.10+ (`pip install marker-pdf[full]` pour les formats hors PDF). PyTorch est également nécessaire. Au premier usage, Surya lance un serveur d’inférence local : il faut Docker avec vllm et le NVIDIA Container Toolkit sur GPU NVIDIA, ou le binaire llama.cpp llama-server sur CPU et Apple Silicon.

Marker gère-t-il les PDF numérisés ?

Oui. Le modèle Surya VLM assure l’OCR pour les documents numérisés et les PDF image.

Quels formats Marker produit-il ?

Markdown, JSON avec boîtes englobantes, HTML et chunks pour RAG.

Marker a-t-il un serveur MCP ?

Le README de Marker ne mentionne pas de serveur MCP ; aucun n’est donc documenté. Si vous avez besoin d’une intégration documentée avec des assistants d’IA, envisagez Docling, qui en indique une.

Qu’est-ce que l’API Datalab ?

Service hébergé proposé par Datalab, qui développe Marker. Quota gratuit mensuel (le README cite environ 5 000 pages de conversion ; la page de tarifs l’indique en dollars : 20 $/mois avec e-mail professionnel, 10 $ avec e-mail personnel) ; voir datalab.to/pricing.

Marker extrait-il les tableaux ?

Oui. TableConverter reconstruit les tableaux en Markdown et JSON selon le README.

Quelle est la version actuelle ?

v2.2.0, publiée le 12 novembre 2026 (GitHub Releases). Vérifié le 15 novembre 2026.

Sources

← Retour aux LLM locaux avancés

MCP