Qu’est-ce que Docling ?
Docling convertit les documents en texte prêt pour l'IA. Il lit les PDF, DOCX, PPTX, XLSX, HTML, EPUB, e-mails (EML et MSG), LaTeX et images, et depuis peu l'audio et la vidéo via la reconnaissance vocale, et sort du Markdown, du HTML ou un modèle de document JSON sans perte qui garde les titres, l'ordre de lecture et les tableaux.
Les PDF et les images passent par des modèles d'apprentissage automatique locaux pour la détection de disposition, la structure des tableaux (TableFormer) et l'OCR, avec un mode vision-langage optionnel utilisant GraniteDocling d'IBM à 258M de paramètres. Il inclut le découpage pour le RAG, un serveur d'API (docling-serve), un serveur MCP, et des intégrations avec LangChain, LlamaIndex, CrewAI et Haystack.
Il a commencé chez IBM Research et est hébergé par la LF AI & Data Foundation. Les versions sont fréquentes : v2.142.1 est sortie le 23 octobre 2026.
Docling vaut-il le coup ?
Docling est le parseur open source à battre pour les PDF avec de vrais tableaux, et son point faible est désormais la sécurité plutôt que la qualité. Il a environ 69 400 étoiles GitHub, une licence MIT et un foyer de fondation neutre, et la comparaison 2026 de Kanopy Labs a trouvé son extraction de tableaux plus solide que celle d'Unstructured sur les PDF complexes.
La sortie est ce qui le rend utile pour le RAG. Docling garde l'ordre de lecture, les niveaux de titre et la structure des tableaux dans un modèle de document typé, si bien que les morceaux portent le contexte de leur section au lieu d'arriver comme du texte en vrac. Il tourne aussi localement : la FAQ dit qu'il n'utilise aucun service distant et peut fonctionner dans un réseau en air-gap une fois les poids des modèles copiés dedans.
Lire autant de formats crée une large surface d'attaque. Le projet a publié 28 avis de sécurité GitHub, 11 d'entre eux le 23 octobre 2026 à eux seuls, surtout de petits fichiers qui épuisent la mémoire ou le CPU (membres d'archive surdimensionnés dans DOCX, XLSX et EPUB, étendues de tableau LaTeX non bornées) plus un contournement de vérification TikZ qui permettait la lecture et l'écriture de fichiers. Un avis de forte sévérité le 1er octobre couvrait la lecture et l'écriture arbitraires de fichiers. Le dernier lot est corrigé en 2.142.1, et un service qui parse des téléversements d'inconnus devrait l'épingler et isoler le worker.
La vitesse et la taille d'installation sont les limites pratiques. La page de benchmark GPU rapporte environ 1 à 8 pages par seconde par machine sur un NVIDIA L40S, RTX 5090 et RTX 5070, selon le pipeline et selon que l'OCR tourne, si bien qu'une archive d'un million de pages fait environ trois jours de travail à quatre pages par seconde. La pile ML arrive comme dépendances dures, et les testeurs rapportent des résultats plus faibles sur l'écriture manuscrite et les photos de téléphone, où le pipeline vision-langage ou un parseur hébergé est le repli habituel.
Là où il fait la différence
Un ingénieur plateforme dans une start-up legal-tech de 50 personnes
Ingérer des contrats et des dossiers judiciaires pleins de tableaux dans un index RAG
Faites tourner docling-serve sur un nœud GPU, envoyez chaque téléversement à travers lui et stockez le modèle JSON et la sortie du chunker. Pas de coût de licence ; à quelques pages par seconde, un arriéré de 200 000 pages fait moins d'une journée de temps GPU, et le parseur doit être isolé et patché car il lit des fichiers non fiables.
Un responsable conformité dans une banque régionale
Traiter des rapports internes sans envoyer les documents à une API tierce
Docling tourne en air-gap une fois ses poids de modèles installés, si bien que les documents ne quittent jamais le réseau et aucune revue de traitement des données par un fournisseur n'est nécessaire. Le compromis est de posséder le matériel et de suivre les versions de sécurité fréquentes.
Un data scientist qui construit un corpus de recherche
Convertir des PDF arXiv, des sources LaTeX et des EPUB en Markdown pour le fine-tuning
pip install docling et lancez le CLI sur un dossier, en passant au pipeline de vision GraniteDocling pour les pages lourdes en formules. Gratuit ; les exécutions CPU uniquement sont plus lentes, si bien qu'un grand corpus justifie un GPU.
Avant de vous engager
- Mise en route
- pip install docling sur Python 3.10 ou plus récent (la prise en charge de 3.9 s'est terminée en 2.70.0) ; la première exécution télécharge les poids de disposition, de tableau et d'OCR. Une commande CLI convertit un PDF, et docling-serve fournit un serveur d'API.
- Intégrations
- Chargeurs pour LangChain, LlamaIndex, CrewAI et Haystack ; un serveur MCP pour les agents ; export vers Markdown, HTML, DocTags et JSON sans perte.
- Données et confidentialité
- Tourne localement et n'appelle aucun service distant par défaut, selon la FAQ ; la récupération d'images distantes et l'OCR distant sont à activer. Licence MIT sans limites commerciales. 28 avis de sécurité publiés, le dernier corrigé en 2.142.1.
- Coût à grande échelle
- Le logiciel est gratuit et le coût est le calcul. Les benchmarks du projet rapportent environ 1 à 8 pages par seconde par machine, si bien qu'une ingestion lourde signifie un nœud GPU dédié comme un AWS g6e.2xlarge avec un L40S. Les mainteneurs ne vendent aucune édition payante.
- Limites
- Environ 900 issues et pull requests ouvertes ; les styles de texte comme le gras ne sont pas extraits des PDF ; l'écriture manuscrite et les photos d'appareil restent faibles ; parser des fichiers non fiables a besoin d'un bac à sable.
Les points forts
- Forte récupération des tableaux et de l'ordre de lecture
- Tourne entièrement hors ligne avec des modèles locaux
- Modèle JSON sans perte plus Markdown et HTML
- Licence MIT sous une fondation neutre
Les points faibles
- 28 avis de sécurité ; le patch est obligatoire pour les fichiers non fiables
- Dépendances ML lourdes
- Quelques pages par seconde par GPU
- Plus faible sur l'écriture manuscrite et les photos
Idéal pour
Les équipes qui construisent du RAG auto-hébergé sur des PDF et documents Office avec des tableaux complexes.
Alternatives à Docling
Docling : questions fréquentes
- Docling vaut-il le coup ?
- 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. Nous lui donnons 4.5 sur 5.
- Combien coûte Docling ?
- Gratuit et open source sous la licence MIT.
- Quels sont les inconvénients de Docling ?
- 28 avis de sécurité ; le patch est obligatoire pour les fichiers non fiables; dépendances ML lourdes; quelques pages par seconde par GPU; plus faible sur l'écriture manuscrite et les photos.
- À qui s’adresse Docling ?
- Les équipes qui construisent du RAG auto-hébergé sur des PDF et documents Office avec des tableaux complexes.
- Combien coûte Docling pour une équipe ou en production ?
- Le logiciel est gratuit et le coût est le calcul. Les benchmarks du projet rapportent environ 1 à 8 pages par seconde par machine, si bien qu'une ingestion lourde signifie un nœud GPU dédié comme un AWS g6e.2xlarge avec un L40S. Les mainteneurs ne vendent aucune édition payante.
- Docling est-il sûr pour les données de l’entreprise ?
- Tourne localement et n'appelle aucun service distant par défaut, selon la FAQ ; la récupération d'images distantes et l'OCR distant sont à activer. Licence MIT sans limites commerciales. 28 avis de sécurité publiés, le dernier corrigé en 2.142.1.
- Quelles sont les meilleures alternatives à Docling ?
- Les alternatives les plus proches que nous avons testées sont Unstructured, LlamaIndex, Firecrawl, pdf-inspector et Xberg (formerly Kreuzberg).
Réponses vérifiées le 23 oct. 2026.