Analyse et OCR

Ce qu’il faut regarder

Les questions qui départagent les options, par ordre d’importance.

1. 01

   Les résultats sur vos pires documents

   Des analyseurs qui semblent identiques sur un rapport propre divergent sur des contrats scannés, des pages pivotées et des tableaux à plusieurs niveaux. Choisissez 20 à 50 de vos fichiers les plus difficiles, analysez-les avec chaque candidat et comparez la sortie à ce qu'une personne lit. Cela vaut mieux que n'importe quel classement, car les benchmarks ci-dessous utilisent des assortiments de documents qui peuvent ne pas ressembler aux vôtres.

2. 02

   Structure des tableaux

   C'est sur les tableaux que les analyseurs échouent le plus visiblement : cellules fusionnées, en-têtes sur plusieurs colonnes et tableaux coupés entre deux pages se transforment en texte continu. Les benchmarks mesurent cela avec le TEDS (similarité par distance d'édition d'arbre entre la structure de tableau prédite et la vraie ; plus c'est élevé, mieux c'est). Vérifiez si l'analyseur conserve les lignes d'en-tête quand un tableau est coupé, car une ligne sans ses en-têtes se retrouve mal.

3. 03

   Comment lire OmniDocBench

   OmniDocBench est le benchmark public le plus cité pour l'analyse de pages. Son score Overall fait la moyenne de trois parties : la précision du texte (1 moins la distance d'édition normalisée), le TEDS des tableaux et le CDM des formules, si bien qu'un modèle fort sur les formules peut devancer un modèle meilleur sur les tableaux qui vous intéressent ; lisez les colonnes détaillées. Les versions v1.5, v1.6 et v1.7 ne sont pas comparables, et les scores déclarés diffèrent des mesures de tiers : DeepSeek annonce 91,09 pour DeepSeek-OCR 2 sur la v1.5, alors que Baidu l'a mesuré à 89,17.

4. 04

   Scans, photos et écriture manuscrite

   Les PDF nativement numériques et les fichiers Office contiennent leur texte ; les scans et les photos prises au téléphone nécessitent de l'OCR. Les convertisseurs à règles comme MarkItDown ne renvoient presque rien d'un scan par défaut. Les pipelines d'apprentissage automatique (Docling, Unstructured hi_res) gèrent les scans imprimés, tandis que les modèles vision-langage (PaddleOCR-VL, Chandra OCR 2, offres agentiques hébergées) font mieux sur les pages de travers, mal éclairées ou manuscrites, pour un coût de calcul plus élevé.

5. 05

   Ordre de lecture et structure de la sortie

   Les mises en page à plusieurs colonnes, les encadrés et les notes de bas de page doivent sortir dans l'ordre où une personne les lit, avec les titres marqués comme titres. Une sortie structurée, comme le modèle de document de Docling ou les éléments typés d'Unstructured, permet à l'étape suivante de découper par section et d'écarter en-têtes et pieds de page. Les boîtes englobantes et les numéros de page comptent si vous devez citer ou surligner la source.

6. 06

   Où les documents sont traités

   Les analyseurs hébergés envoient vos fichiers dans le cloud de quelqu'un d'autre, et certains utilisent des fournisseurs de modèles tiers comme sous-traitants. Si les documents sont confidentiels ou réglementés, choisissez une bibliothèque ou un modèle auto-hébergé, ou un fournisseur proposant un déploiement en VPC ou sur site. Les VLM auto-hébergés nécessitent un GPU ; les pipelines d'apprentissage automatique tournent sur CPU, mais lentement.

7. 07

   Coût et débit pour 1 000 pages

   Les prix hébergés s'entendent par page et varient selon le mode : LlamaParse va de 1,25 $ à 56,25 $ pour 1 000 pages selon l'offre, et Reducto facture 10 $ pour l'analyse et 40 $ pour l'extraction approfondie. Les outils auto-hébergés coûtent à la place du temps de GPU ou de CPU. N'envoyez vers les modes coûteux que les documents difficiles ; un analyseur rapide suffit pour les fichiers propres et nativement numériques.

8. 08

   Sécurité face aux fichiers non fiables

   Les analyseurs ouvrent des formats complexes qu'un attaquant peut contrôler. Docling a publié neuf avis de sécurité en octobre 2026, dont plusieurs permettaient à un document piégé de lire des fichiers locaux, et le README de MarkItDown prévient qu'il lit les fichiers et les URL avec les privilèges du processus. Figez des versions corrigées et isolez l'analyse dans une sandbox si des utilisateurs peuvent envoyer des documents.

Quelle approche pour quelles données

Chaque type de contenu demande des modèles différents. Beaucoup de systèmes en utilisent plusieurs et routent selon le type de données.

34 outils comparés

Classés selon notre note. Ouvrez un avis pour voir les sources, les prix et le verdict complet.

Outils comparés : Analyse et OCR

Outil	Note	Notre verdict	Idéal pour	Prix
Doclingdépôt	4.5/5	Docling est le parseur open source qui gère bien les tableaux, et celui dont vous ne pouvez pas vous permettre de sauter les versions de sécurité.	Les équipes qui construisent du RAG auto-hébergé sur des PDF et documents Office avec des tableaux complexes.	Gratuit et open source sous la licence MIT.
PaddleOCR-VL-1.6modèle	4.4/5	Une analyse de documents en tête de tableau en moins d'un milliard de paramètres, tant que vous acceptez la chaîne d'outils de Baidu.	Les équipes qui extraient des tableaux, des formules et du texte de documents variés d'une seule page à grande échelle.	Gratuit sous Apache 2.0. Aucun prix hébergé de première partie publié.
Reductooutil	4.3/5	Reducto est l'analyseur pour lequel payer quand une erreur d'extraction coûte plus cher que la page, même si l'essentiel de ses preuves de précision remonte encore à Reducto.	Les équipes qui extraient des champs de longs documents financiers, juridiques ou médicaux où les erreurs coûtent cher.	150 $ d'usage gratuit ; Parse à 10 $, Extract à 20 $, Deep Extract à 40 $, Edit à 60 $ les 1 000 pages ; 20 % de réduction par lots sur Parse et Extract. Growth et Enterprise sur devis.
MiniCPM-OCR 1.0modèle	4.3/5	MiniCPM-OCR 1.0 associe une précision d'analyse proche du sommet au plus haut débit du test de 15 modèles de son créateur, ce qui en fait le petit modèle d'OCR pratique à choisir si les chiffres se confirment.	Les équipes qui analysent de gros volumes de documents chinois ou anglais sur leurs propres GPU et tiennent autant au nombre de pages par heure qu'au dernier point de précision.	Gratuit sous Apache 2.0. L'API hébergée d'analyse de documents de ModelBest est annoncée comme gratuite ; quotas et tarifs payants non publiés.
GLM-OCRmodèle	4.3/5	GLM-OCR n'est plus le parseur le plus précis, mais c'est celui qui offre le moins de raisons de dire non : petit, sous licence MIT, évalué de manière indépendante et peu cher à louer.	Les équipes qui veulent un modèle d'OCR rapide sous licence permissive, qu'elles peuvent faire tourner elles-mêmes ou louer au token auprès du même fournisseur.	Gratuit sous licence MIT. API Z.ai à 0,03 $ par million de tokens, en entrée comme en sortie ; BigModel (Chine) à 0,2 RMB par million de tokens.
MinerUdépôt	4.3/5	MinerU associe l'un des modèles documentaires ouverts les plus précis à une boîte à outils très active et bien documentée, même si sa licence n'est plus de l'open source pur et que ses API ne cessent de bouger.	Les équipes RAG et data qui analysent sur leur propre matériel de grandes collections mixtes de PDF et de fichiers Office, et qui peuvent accepter une clause de mention.	Gratuit sous la MinerU Open Source License (Apache 2.0 avec conditions supplémentaires) ; une licence commerciale séparée est exigée au-delà de 100 millions d'utilisateurs actifs mensuels ou de 20 millions de dollars de chiffre d'affaires mensuel.
Markerdépôt	4.3/5	Marker transforme les PDF difficiles en Markdown utilisable mieux que tout autre pipeline ouvert que ses créateurs ont mesuré, même si la licence des poids met un plafond de revenus sur cette liberté.	Les équipes RAG et données qui convertissent de grands volumes de PDF complexes ou scannés sur leur propre matériel.	Code gratuit sous Apache 2.0 ; poids gratuits sous 5M$ de revenus et de financement, licence commerciale au-dessus. API Datalab hébergée : Convert 4 $ par 1 000 pages (fast ou balanced) ; plan Team 400 $/mois.
LlamaParseoutil	4.2/5	LlamaParse transforme les documents en texte propre pour les chaînes RAG à un prix par page bas et prévisible, à condition que vos fichiers aient le droit de passer par le cloud de quelqu'un d'autre.	Les équipes qui analysent de gros volumes de PDF variés pour le RAG et veulent des coûts par page bas et prévisibles.	Free avec 10K crédits par mois ; Starter à 50 $ par mois (40K crédits) ; Pro à 500 $ par mois (400K crédits). 1,25 $ les 1 000 crédits ; l'analyse coûte de 1 à 45 crédits par page selon le niveau.
pdf-inspectordépôt	4.2/5	pdf-inspector devrait être le premier arrêt de tout pipeline PDF, car l'appel OCR le moins cher est celui que vous ne faites jamais.	Les ingénieurs qui construisent des pipelines RAG ou d'agents sur des PDF surtout numériques et veulent une extraction locale et rapide et une décision scan-ou-texte bon marché.	Gratuit sous la licence MIT.
Mistral OCRoutil	4.2/5	Mistral OCR lit bien les documents dans presque toutes les langues et vous indique son degré de certitude, à un prix qui ne se justifie qu'une fois le traitement par lots activé.	Les développeurs qui construisent des chaînes de traitement de documents en plusieurs langues et ont besoin des positions sur la page et des scores de confiance, surtout en Europe ou sur site.	4 $ les 1 000 pages ; 2 $ les 1 000 pages sur la Batch API ; 5 $ les 1 000 pages annotées. Conteneur auto-hébergé pour les clients entreprise, prix non publié.
Unlimited-OCR 2modèle	4.2/5	Unlimited-OCR 2 transforme un rapport de 300 pages en un seul appel de modèle, et jusqu'à présent le seul tableau de scores qui le prouve en est un que Baidu a construit.	Les équipes qui numérisent de longs rapports, contrats et livres et veulent des passes sur le document entier sur leurs propres GPU.	Gratuit sous la licence MIT. L'API hébergée de Baidu AI Cloud est gratuite pour une durée limitée (200 pages de test pour les particuliers, 1 000 pour les entreprises) ; tarifs payants non publiés.
Chandra OCR 2modèle	4.2/5	Chandra OCR 2 a les meilleures preuves externes de tous les parseurs de documents ouverts que nous couvrons, et la licence la plus stricte : l'usage commercial gratuit s'arrête à 2 M$.	Les chercheurs, les archives et les petites entreprises sous le seuil de la licence qui veulent le parseur ouvert le plus testé de manière indépendante pour les numérisations difficiles et l'écriture manuscrite.	Poids gratuits pour la recherche, l'usage personnel et les entreprises sous 2 M$ de chiffre d'affaires et 2 M$ de financement ; licence payante au-delà (prix non publié). API Datalab : Convert à 4 $ les 1 000 pages en mode fast/balanced, 10 $ en mode accurate ; offre Team à 400 $/mois.
LightOnOCR-3-4Bmodèle	4.2/5	LightOnOCR-3-4B donne à un seul modèle de 4B les boîtes de mise en page et les données de graphiques qui demandaient autrefois un pipeline, et selon les chiffres de LightOn, c'est le modèle ouvert à battre sur les documents français et manuscrits.	Les équipes qui analysent des documents professionnels en langues européennes, des formulaires et de l'écriture manuscrite et veulent la mise en page et les données de graphiques sans pipeline de détection.	Gratuit sous Apache 2.0. Aucune API hébergée par l'éditeur n'est indiquée sur la fiche du modèle ; une démo gratuite tourne sur Hugging Face Spaces.
Mistral OCR 4.1modèle	4.2/5	Un OCR solide, conscient de la mise en page, avec des scores de confiance utiles et une option d'auto-hébergement, à quatre fois le prix de son prédécesseur et de certains rivaux.	Les équipes qui construisent des pipelines de documents ayant besoin de mise en page, de scores de confiance et d'un hébergement UE ou sur site plus que du coût par page le plus bas.	4 $ les 1 000 pages ; 2 $ les 1 000 pages sur l'API Batch ; annotations Document AI 5 $ les 1 000 pages. Conteneur auto-hébergé pour les clients entreprise sur accord.
OvisOCR3modèle	4.2/5	OvisOCR3 fait cinq tâches documentaires dans l'empreinte qu'OvisOCR2 consacrait à une seule, et la seule chose qui le retient est que personne hors d'Alibaba ne l'a encore évalué.	Les équipes qui veulent l'analyse, l'extraction de champs et les tableaux sur plusieurs pages avec un seul petit modèle auto-hébergé, et peuvent le valider sur leurs propres documents.	Gratuit sous Apache 2.0. Pas d'API hébergée ; une démo gratuite tourne sur Hugging Face Spaces.
Xberg (formerly Kreuzberg)dépôt	4.1/5	Xberg ouvre presque n'importe quel fichier depuis presque n'importe quel langage dans lequel vous écrivez, et cette portée vient avec une grande surface à sécuriser.	Les équipes hors de Python qui ont besoin d'un seul parseur intégrable pour un large mélange de types de fichiers, avec un OCR qu'elles peuvent échanger.	Gratuit sous la licence MIT. Xberg Pro et Enterprise (backends managés ou auto-hébergés) sont vendus via un programme de design-partners ; les prix ne sont divulgués que sur candidature.
Xiaomi-OCR-0modèle	4.1/5	Xiaomi-OCR-0 lit une page à peu près aussi bien que des modèles moitié plus gros, mais son meilleur chiffre mis en avant est un résultat qu'un laboratoire concurrent n'a pas pu reproduire.	Les équipes qui veulent un seul petit modèle sous licence Apache pour l'analyse de pages en Markdown comme pour l'extraction de champs de formulaires et de reçus.	Gratuit sous Apache 2.0. Pas d'API hébergée chez Xiaomi.
OvisOCR2modèle	4.1/5	OvisOCR2 a prouvé qu'un modèle de bout en bout de 0,8B pouvait égaler les meilleurs parseurs en pipeline, et trois mois plus tard son propre successeur en a fait le deuxième choix.	Les équipes qui veulent un petit parseur de pages en un seul passage dont la précision a été confirmée au classement public d'OmniDocBench.	Gratuit sous Apache 2.0. Pas d'API hébergée ; une démo gratuite tourne sur Hugging Face Spaces.
HunyuanOCR 1.5modèle	4.1/5	HunyuanOCR 1.5 est le modèle d'OCR de bout en bout le plus solide autour de 1B de paramètres selon les propres chiffres de Tencent, et juridiquement interdit à quiconque en Europe, au Royaume-Uni ou en Corée du Sud.	Les équipes hors d'Europe, du Royaume-Uni et de Corée du Sud qui veulent un seul petit modèle pour l'analyse de documents, le repérage de texte, l'extraction et la traduction d'images.	Gratuit sous la Tencent Hunyuan Community License hors UE, Royaume-Uni et Corée du Sud ; les services de plus de 100 millions d'utilisateurs mensuels ont besoin d'une licence de Tencent. Aucun prix d'API hébergée publié.
PP-OCRv6modèle	4.1/5	PP-OCRv6 lit des lignes de texte sur un CPU ou un téléphone pour une fraction du coût d'un VLM, tant que vous n'avez besoin que des mots et pas de la structure de la page.	Les ingénieurs qui ont besoin d'un OCR de lignes de texte rapide et bon marché sur CPU, téléphones ou appareils embarqués, ou comme première étape de leur propre pipeline documentaire.	Gratuit sous Apache 2.0. Aucun prix hébergé publié par l'éditeur.
Azure Document Intelligenceoutil	4.0/5	Pour des factures, reçus et formulaires qui se ressemblent d'une fois sur l'autre, Azure Document Intelligence est bon marché, régulier et fonctionne hors ligne, mais c'est le mauvais outil pour des documents désordonnés qui demandent du discernement.	Les équipes qui traitent de gros volumes de formulaires standard, de factures ou de pièces d'identité sur Azure, ou quiconque a besoin d'une extraction de documents sur site ou hors ligne.	Offre gratuite de 500 pages par mois ; Read à 1,50 $ les 1 000 pages (0,60 $ au-delà de 1 million par mois) ; Layout et modèles prédéfinis à 10 $ ; extraction personnalisée à 30 $ ; classifieur à 3 $ ; options à 6 $ ; paliers d'engagement à partir de 190 $/mois ; conteneurs déconnectés à partir de 8 640 $/an.
Qianfan-OCRmodèle	4.0/5	Qianfan-OCR est le modèle à choisir quand une page doit être lue et comprise en un seul appel ; pour une simple conversion en Markdown, des parseurs plus petits sont plus précis.	Les équipes qui ont besoin de l'extraction de champs, de la lecture de graphiques et de l'OCR multilingue avec un seul modèle auto-hébergé et peuvent y consacrer un GPU de centre de données.	Gratuit sous Apache 2.0. Également proposé sur la plateforme Qianfan de Baidu AI Cloud ; le prix hébergé n'est pas indiqué sur la fiche du modèle.
Falcon OCRmodèle	4.0/5	Falcon OCR lit le texte presque aussi bien que des modèles dix fois plus gros pour le coût d'un passage à 270M de paramètres, à condition de pouvoir se passer d'une bonne structure de tableaux.	Les équipes qui traitent de gros volumes de reçus, formulaires, numérisations et écriture manuscrite sur des GPU modestes, quand le texte compte plus que la structure des tableaux.	Gratuit sous Apache 2.0. Pas d'API hébergée ; TII publie une image Docker vLLM à auto-héberger.
Surya OCR 2.5modèle	4.0/5	Surya 2.5 fait d'un modèle de moins de 1B un analyseur de documents complet et crédible, à environ 16 000 pages par heure sur une H100, mais c'est la licence de ses poids qu'il faut lire en premier.	Les petites équipes et les chercheurs qui ont besoin d'une analyse de documents auto-hébergée et rapide, avec mise en page et tableaux, et dont l'entreprise reste sous le seuil de la licence.	Poids gratuits pour la recherche, l'usage personnel et les entreprises sous 5 M$ de chiffre d'affaires et de financement ; licence payante au-delà (prix non publié). API Datalab : Convert 4 $ les 1 000 pages en fast/balanced, 10 $ en accurate ; offre Team 400 $ par mois.
Indra OCRdépôt	4.0/5	Assez rapide sur des CPU ordinaires pour changer l'économie de l'OCR de masse, à condition que vos documents soient des imprimés propres et que votre entreprise reste sous la barre des 20 M$ de la licence.	Les startups et équipes de recherche qui doivent passer en OCR de gros volumes de documents imprimés propres, à bas coût et sur CPU.	Code sous Apache-2.0 ; poids gratuits sous une OpenRAIL-M modifiée pour la recherche, l'usage personnel et les entreprises sous 20 M$ de financement ou de chiffre d'affaires ; licence commerciale de Datalab sinon.
FireRed-OCRmodèle	3.9/5	Une démonstration claire que l'apprentissage par renforcement sur le format peut faire gagner 11 points à un modèle généraliste 2B, mais pas encore une raison de quitter les parseurs en pipeline qui le battent toujours.	Les équipes qui servent déjà Qwen3-VL et veulent un checkpoint document-vers-Markdown prêt à l'emploi sans ajouter de pipeline de mise en page.	Gratuit sous Apache 2.0. Pas d'API hébergée ; seulement une démo gratuite sur un Space Hugging Face.
Unstructureddépôt	3.8/5	Toujours le filet le plus large pour les formats de fichiers bizarres, mais ses créateurs publient désormais les chiffres montrant pourquoi vous les paieriez à la place.	Les équipes qui construisent des pipelines ETL qui ingèrent de nombreux formats de documents pour le RAG.	Bibliothèque gratuite sous Apache 2.0. Plateforme hébergée : 10 000 pages gratuites, puis 0,015 $ par page ; plan Business avec déploiement VPC ou dédié tarifé sur demande.
MarkItDowndépôt	3.8/5	MarkItDown amène les fichiers Office dans un modèle plus vite que tout autre open source, et aplatit les PDF que la récupération a le plus besoin de garder intacts.	Les développeurs qui ont besoin d'alimenter rapidement et à bas coût un modèle avec des documents Office et des PDF numériques propres.	Gratuit et open source sous la licence MIT. Les services de conversion Azure optionnels sont facturés par Microsoft.
Nemotron OCR v2modèle	3.8/5	Nemotron OCR v2 est de loin l'OCR ouvert le plus rapide de cette liste, d'un ordre de grandeur, mais sur le propre benchmark documentaire de NVIDIA il lit moins précisément que le PaddleOCR v5 qu'il distance.	Les équipes de recherche documentaire et de RAG sur matériel NVIDIA qui doivent extraire rapidement du texte brut de très gros volumes de pages, avec une licence compatible avec l'usage commercial.	Gratuit sous la NVIDIA Open Model License, usage commercial autorisé. API d'essai sur build.nvidia.com ; prix du conteneur NIM non publié sur la page du modèle.
Infinity-Parser2-Flashmodèle	3.8/5	Infinity-Parser2-Flash couvre plus de types de travail documentaire que la plupart des modèles 2B, mais en simple analyse de pages il reste derrière des parseurs plus petits et a besoin du traitement par lots pour être rapide.	Les équipes de recherche et de documentation technique qui veulent l'analyse de pages, l'extraction de graphiques et la reconnaissance de structures chimiques avec un seul petit modèle auto-hébergé.	Gratuit sous Apache 2.0. Pas d'API hébergée par l'éditeur ; une démo gratuite tourne sur Hugging Face Spaces.
DeepSeek-OCR 2modèle	3.7/5	Économe en tokens visuels et bien documenté dans son article, mais ses concurrents lisent mieux et son propre dépôt ne bouge plus depuis février.	Les équipes déjà investies dans la pile DeepSeek-OCR qui veulent un gain de précision sans changer d'outillage.	Gratuit sous Apache 2.0.
Jina OCR v1modèle	3.7/5	Jina OCR v1 écrit les pages les plus courtes de sa catégorie et les analyse vite, mais c'est un modèle de milieu de tableau dont vous ne pouvez pas utiliser les poids commercialement sans contrat.	Les équipes déjà sur Jina Reader ou Elastic qui veulent une conversion hébergée et bon marché de pages en Markdown, et les chercheurs qui veulent une référence rapide non commerciale.	API Jina : 0,50 $ par 1M de tokens d'entrée, 2 $ par 1M de tokens de sortie. Poids gratuits pour un usage non commercial sous CC BY-NC 4.0 ; l'auto-hébergement commercial exige une licence de Jina (prix non publié).
Ddeepseek-ocr.rsdépôt	3.6/5	deepseek-ocr.rs met un modèle OCR moderne derrière un endpoint OpenAI sur un Mac sans Python, mais c'est un projet d'une seule personne qui s'est tu en février.	Les développeurs sur Apple Silicon ou machines CPU uniquement qui veulent un modèle OCR local derrière une API façon OpenAI sans pile Python.	Gratuit sous Apache-2.0 ; les poids des modèles suivent leurs licences amont.
dots.ocrmodèle	3.6/5	Il a rendu crédible en 2025 l'analyse de mise en page par un seul modèle, mais fin 2026, c'est la version que ses propres créateurs ont remplacée.	Les équipes qui ont déjà des pipelines dots.ocr, ou qui ont besoin de boîtes englobantes et d'un ordre de lecture pour des langues peu dotées avec un seul modèle sous licence MIT.	Gratuit sous licence MIT. Pas d'API hébergée par l'éditeur.

Côte à côte

Les caractéristiques qui comptent pour cette étape. Vérifiées le 2 nov. 2026 ; confirmez-les sur le site du fournisseur avant de vous engager.

Connectez-le à votre agent

Des serveurs MCP qui permettent à des assistants comme Claude, ChatGPT et Cursor d’utiliser directement ces outils.

• MarkItDown MCP 3.9

Où s’insère cette étape

• Discuter avec vos documents : nous commencerions par Docling, LlamaParse.
• Agent de service client : nous commencerions par MarkItDown.
• Agent de code : nous commencerions par MarkItDown.
• Recherche et graphe de connaissances : nous commencerions par Docling, PaddleOCR-VL-1.6.
• Assistant à mémoire longue : nous commencerions par MarkItDown.
• Pipeline de génération d'images : nous commencerions par Docling.
• Production vidéo : nous commencerions par Docling.
• Agent vocal : nous commencerions par Docling.
• IA privée, sur l'appareil : nous commencerions par Docling, PaddleOCR-VL-1.6.
• Traitement de documents : nous commencerions par Reducto, PaddleOCR-VL-1.6, DeepSeek-OCR 2.
• Votre propre modèle fine-tuné : nous commencerions par Docling.
• Automatisation de workflows : nous commencerions par MarkItDown.

Sources de ce guide

• OmniDocBench on GitHub
• Unstructured vs LlamaParse vs Docling (Kanopy Labs)
• MarkItDown vs Docling vs Marker (danilchenko.dev)
• docling-project/docling on GitHub
• Docling October 2026 advisories (Safeguard)
• microsoft/markitdown on GitHub
• LlamaParse pricing documentation
• Reducto pricing
• PaddleOCR-VL-1.6 model card
• DeepSeek-OCR 2 model card
• Unlimited-OCR paper (arXiv)