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

Test de Xberg : intelligence documentaire open source pour pipelines LLM et RAG

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

Xberg est un moteur d'intelligence documentaire sous licence MIT, écrit en Rust, qui extrait texte, tableaux, métadonnées et données structurées d'environ 107 formats de fichiers, de pages web, d'audio et de code source. Vous l'utilisez via l'une de ses 15 liaisons de langage, une CLI, un serveur REST ou un serveur MCP ; c'est une bibliothèque pour développeurs, pas une application de bureau.

Points clés

  • La bibliothèque est gratuite sous licence MIT ; l'éditeur vend aussi Pro, Enterprise et une plateforme gérée, sans tarifs publics
  • C'est le changement de marque de Kreuzberg, reconstruit sous une nouvelle ligne v1 ; les anciens articles sur Kreuzberg décrivent donc le même moteur
  • Il faut un terminal ou du code : il n'existe pas d'installateur de bureau, et l'installation tient en une commande par langage
  • Les classements de vitesse et de précision viennent des benchmarks de l'éditeur et n'ont pas été reproduits par PromptQuorum
  • La documentation ne dit pas s'il fonctionne entièrement hors ligne, si des modèles sont téléchargés au premier lancement ni s'il envoie de la télémétrie

📍 En une phrase

Xberg transforme documents, pages web, audio et code en Markdown et en données structurées prêts pour les LLM, et son noyau open source s'exécute sur votre propre CPU.

💬 En termes simples

Xberg lit presque tous les fichiers que vous lui donnez et renvoie du texte propre, des tableaux et des métadonnées qu'un modèle de langage ou un index de recherche peut exploiter. Vous l'installez comme une bibliothèque de programmation ordinaire ou vous l'exécutez comme un petit serveur. Si vous voulez qu'il extraie des champs structurés avec un modèle de langage, vous pouvez le pointer vers un modèle qui tourne sur votre propre ordinateur.

Lire en:
🇺🇸en🇩🇪de🇫🇷fr🇯🇵ja🇨🇳zh🇪🇸es🇧🇷pt🇸🇦ar🇰🇷ko

Xberg (xberg.io, documentation sur docs.xberg.io, code source sur github.com/xberg-io/xberg) est un moteur d'intelligence documentaire qui convertit fichiers, pages web, audio et code en Markdown et en d'autres sorties structurées. Il a sa place dans un annuaire d'IA locale parce que l'extraction, l'OCR et la détection de mise en page s'exécutent sur votre propre CPU, et que son extraction assistée par LLM peut dialoguer avec Ollama, LM Studio ou vLLM plutôt qu'avec un modèle cloud. Ce test explique ce que fait Xberg, ce qui s'exécute en local et ce qui ne l'est pas, comment l'installer et à qui il convient.

Test de Xberg : intelligence documentaire open source pour pipelines LLM et RAG

Qu'est-ce que Xberg ?

Xberg est un moteur d'intelligence documentaire : vous le pointez vers un fichier, une URL, une archive ou une arborescence de code source, et il renvoie du texte propre, des tableaux, des métadonnées et des données structurées dans un format qu'un LLM ou un index de recherche peut utiliser directement. Son README le décrit comme « le moteur d'intelligence documentaire rapide et précis, pour tous les langages ».

  • Type de produit : un noyau Rust avec 15 liaisons de langage, une CLI de 14 commandes, une API REST (xberg serve), un serveur MCP, une image Docker et un chart Helm
  • Dépôt : github.com/xberg-io/xberg, 9 000+ étoiles, créé en janvier 2025, vérifié via l'API GitHub
  • Filiation : le README indique que Xberg est « la prochaine itération de Kreuzberg » et le même moteur, « reconstruit et rebaptisé sous une nouvelle ligne v1 » ; l'ancienne adresse kreuzberg-dev/kreuzberg redirige désormais ici, et un dépôt distinct kreuzberg-lts existe toujours
  • Licence : MIT, d'après le fichier LICENSE du dépôt
  • Éditeur : le site affiche la marque « Xberg » et l'organisation GitHub xberg-io ; ses mentions légales donnent une adresse à Berlin (Allemagne) et nomment une personne responsable du site, mais ni le nom d'une entité juridique ni un numéro d'immatriculation

Que peut-on faire avec Xberg ?

Xberg regroupe les étapes d'un pipeline documentaire dans un seul moteur. Certaines fonctions sont des feature flags optionnels que les paquets précompilés et l'image Docker incluent par défaut.

  • Extraire — lire PDF, fichiers Office, images, HTML, e-mails, livres numériques, articles scientifiques et données structurées, avec détection MIME et limites pour les grosses entrées
  • OCR — moteurs Tesseract, PaddleOCR, Candle ou modèles vision-langage, avec chaînes de repli et scores de confiance
  • Mise en page et tableaux — des modèles ML de mise en page et de structure de tableaux reconstruisent l'ordre de lecture et les grilles de cellules en Markdown
  • Transcrire — reconnaissance vocale pour l'audio MP3, M4A, WAV, WebM et MP4 via des modèles Whisper ONNX (feature flag)
  • Récupérer des URL — extraire une page web ou explorer et suivre les liens via le moteur crawlberg (feature flag)
  • Décompresser les archives — parcourir récursivement les fichiers zip, tar, gz et 7z imbriqués, avec des limites contre les bombes zip, le taux de compression et la profondeur d'imbrication
  • Intelligence du code — fonctions, classes, imports et symboles de 371 langages de programmation, avec un découpage sensible à la syntaxe pour le RAG
  • Embeddings et enrichissement — embeddings ONNX locaux ou hébergés par un fournisseur, reranking, extraction d'entités et de mots-clés, résumé, traduction et caviardage
  • Extraction structurée — du JSON piloté par un schéma à partir d'un LLM local ou hébergé
  • Sortie — texte brut, Markdown, Djot, HTML, arbre JSON ou Docling DocTags

Ce qui s'exécute en local et ce qui ne l'est pas

L'extraction, l'OCR, la mise en page et les embeddings ONNX s'exécutent sur votre propre CPU ; le réseau n'intervient que si vous choisissez un fournisseur hébergé, récupérez une URL ou utilisez la démo en ligne de l'éditeur. La documentation décrit le moteur comme orienté CPU, sans GPU requis.

  • CPU : sur x86_64, les fonctions reposant sur ONNX (PaddleOCR, détection de mise en page, embeddings, reranking, transcription) exigent AVX/AVX2 et peuvent planter sans ; ARM n'est pas concerné
  • Plateformes : des binaires précompilés existent pour Linux (x86_64, aarch64), Windows et Apple Silicon ; les Mac Intel n'ont de paquets précompilés que pour la CLI et la wheel Python
  • Version navigateur : le paquet WebAssembly fonctionne dans les navigateurs, Deno, Cloudflare Workers et Node.js 22 ou plus récent, sans les fonctions LLM et VLM

Extraction, OCR, mise en page

Exécution:
Sur votre CPU, dans le processus ou sur votre serveur

Embeddings et reranking

Exécution:
Modèles ONNX locaux ou fournisseur hébergé que vous configurez

Extraction structurée

Exécution:
Ollama, LM Studio ou vLLM en local, ou un LLM hébergé

Récupération et exploration d'URL

Exécution:
Nécessite un accès réseau au site cible

Démo en ligne du site de docs

Exécution:
Les envois passent par l'API de l'éditeur

Non vérifié : la documentation ne dit pas si les modèles ou moteurs OCR sont téléchargés au premier lancement, si le moteur fonctionne entièrement hors ligne ni s'il envoie de la télémétrie. Testez ces points sur une copie isolée du réseau avant de vous y fier.

Licence de Xberg et éditions commerciales

La bibliothèque est gratuite sous licence MIT pour un usage personnel, interne et commercial ; l'éditeur propose aussi des éditions payantes sans tarifs publiés. Les détails proviennent de xberg.io et de sa politique de confidentialité.

  • Xberg Pro : une édition auto-hébergée en conteneur unique ; Xberg Enterprise : une édition distribuée sur Kubernetes avec gouvernance et support
  • Xberg Platform : un backend géré facturé à l'usage ou auto-hébergé ; un programme de partenaires de conception sur invitation propose des tarifs verrouillés pendant 24 mois
  • Confidentialité du site : la politique, datée du 21 mai 2026, désigne « Xberg » comme responsable sans nommer d'entité juridique, et indique que les analyses ne s'exécutent qu'avec le consentement aux cookies
  • La politique ne dit rien sur l'envoi éventuel de données à l'éditeur par la bibliothèque open source

À qui s'adresse Xberg ?

Xberg convient aux développeurs qui doivent convertir de nombreux types de documents en texte propre et structuré, et qui préfèrent appeler un seul moteur plutôt que d'assembler des bibliothèques distinctes pour le PDF, l'OCR et la mise en page.

Utilisez Xberg si vous

  • Construisez des pipelines RAG, de recherche ou d'agents qui ingèrent PDF, scans, fichiers Office, e-mails ou audio
  • Voulez l'extraction sur votre propre matériel, dans votre langage, en bibliothèque, serveur ou outil MCP
  • Avez besoin d'une extraction de champs par LLM via un serveur de modèles sur votre propre matériel

Cherchez ailleurs si vous

  • Voulez une application clic-et-c'est-parti pour dialoguer avec vos documents
  • Avez besoin dès aujourd'hui de garanties hors ligne et de télémétrie documentées
  • Avez besoin d'un éditeur doté d'une entité juridique nommée et de tarifs entreprise publiés

Concurrents et alternatives

L'annuaire ne répertorie aucun autre moteur d'extraction de documents ; les tests les plus proches dans la même catégorie portent donc sur des outils qui récupèrent ou exploitent du contenu plutôt que de convertir des fichiers. Xberg se situe en amont : il produit du texte propre et de la structure, et ces outils les stockent, les recherchent ou agissent dessus.

Firecrawl

Connu pour:
Transformer des sites web en Markdown ou JSON prêt pour les LLM
Articles sur Firecrawl (2)

Cognee

Connu pour:
Mémoire longue auto-hébergée pour agents via un graphe de connaissances

txtai

Connu pour:
Base de données vectorielle et LLM embarquée dans une bibliothèque
Articles sur txtai (2)

Également mentionné dans :

Consultez l'annuaire des logiciels LLM locaux pour le catalogue complet, y compris la fiche de Xberg.

Comparer dans l'annuaire

Questions fréquentes

Xberg peut-il fonctionner comme serveur MCP ?

Le README mentionne un serveur MCP à côté de la CLI et de l'API REST. Ce test ne l'a pas exécuté ; consultez donc la documentation pour la commande de démarrage exacte.

Puis-je utiliser Xberg dans un navigateur ?

Oui, via le paquet WebAssembly, qui cible aussi Deno, Cloudflare Workers et Node.js 22 ou plus récent. Il n'inclut pas les fonctions LLM et VLM.

Fonctionne-t-il sur un Mac Intel ?

En partie. Les paquets précompilés n'existent que pour la CLI et la wheel Python, et la documentation qualifie la prise en charge d'Intel de « best-effort » et appelée à disparaître.

Dois-je envoyer des fichiers confidentiels à la démo en ligne ?

Non. La démo envoie les documents via l'API de l'éditeur ; utilisez une installation locale pour tout ce qui est sensible.

Depuis quels langages peut-on appeler Xberg ?

Python, TypeScript et Node.js, WebAssembly, Rust, Go, Java, Kotlin sur Android, C#, Ruby, PHP, Elixir, Dart et Flutter, Swift, Zig et C via une FFI.

PromptQuorum a-t-il testé Xberg ?

Non. Ce test s'appuie sur le site officiel, la documentation, la politique de confidentialité, le dépôt GitHub et les données de version, pas sur des benchmarks réalisés en conditions réelles.

Sources

← Retour aux LLM locaux avancés

MCP