OmniDoc Extraction de documents

OmniDoc Extraction de documents / Comparaison 2026

Outils d'extraction de documents gratuits comparés pour 2026 : PDF à Markdown et JSON

Transformer des PDF, des numérisations et des fichiers Office en Markdown et JSON avec des titres, des tableaux et des images peut signifier auto-héberger un modèle open source ou appeler un API facturé à la page. Cette page met côte à côte l'allocation gratuite, les entrées, les sorties et la configuration de sept outils communs, avec la source officielle de chaque numéro.

Cette comparaison est écrite par l’équipe OmniDoc, et OmniDoc est notre propre produit. Chaque numéro concernant un autre outil provient de sa page officielle ou de son dépôt, consulté le 14 novembre 2026 ; Leurs pages gagnent si quelque chose diffère.

Extraire un fichier gratuitement avec OmniDoc

En un coup d'œil : allocations gratuites, entrées, sorties

OutilAllocation gratuiteEntréesSortie / configuration
OmniDoc extraction gratuite de documents notre outilJusqu’à 501 pages par PDF, sans limite mensuelle ; les tâches du plan gratuit attendent en file d’attente ; un compte OmniDoc gratuit est requisPDF, images numérisées PDF, PNG/JPG/WEBP/BMP, Word, PowerPoint, Excel, CSV, EPUB, HTML, Markdown, TXT, SRT/ASSPage Web, rien à installer ; un ZIP avec document.md, document.json, images/ et manifest.json
MinerUopen source, auto-hébergé ; en ligne API : 2 000 pages par jour par compte en priorité maximale, priorité plus basse aprèsPDF, images, DOC/DOCX, PPT/PPTX, XLS/XLSX, RTF, ODT/ODS/ODP, EPUB, OFD, HTML/MHTML, CSV/TSVMarkdown, HTML, LaTeX, DOCX et plus encore ; auto-hébergé, en ligne API, ou démos sur Hugging Face et ModelScope
DoclingOpen source (code sous MIT), fonctionne sur votre propre ordinateur, sans limites d’utilisationPDF, DOCX, PPTX, XLSX, HTML, EPUB, images et plusMarkdown, HTML, DocTags, sans perte JSON ; s’exécute localement, OCR pour les scans
Marker (Datalab)Code open source (Apache 2.0) ; allocation API hébergée de 20 $ par mois avec un email professionnel, 10 $ avec un email personnelPDF, images, PPTX, DOCX, XLSX, HTML, EPUBMarkdown, JSON, HTML, chunks ; équations comme LaTeX, tables comme HTML
LlamaParse (LlamaIndex)10 000 crédits gratuits par mois pour les nouveaux utilisateurs ; analyse syntaxique de base à partir de 1 crédit par pageVoir le site officielOnline API (LlamaCloud), compte nécessaire
MathpixGratuit : 10 pages PDF et 10 images par mois (2x avec un e-mail .edu) ; Pro 4,99 $/mois pour 1 000 pagesPDF, imagesApp et API ; Fort sur les formules
Azure AI Document IntelligenceNiveau gratuit F0 : 500 pages par mois, mais chaque analyse ne couvre que les deux premières pages et les fichiers jusqu’à 4 MoPDF, images JPEG/PNG/BMP/TIFF/HEIF, DOCX, PPTX, XLSCloud API, compte Azure requis ; le modèle de mise en page renvoie les paragraphes, les tableaux et la structure

Outil par outil : à qui convient-il et que regarder

OmniDoc extraction gratuite de documents notre outil

Les titres, paragraphes et listes conservent la hiérarchie de l'original ; deux ou trois colonnes sont jointes dans l'ordre de lecture. Les tableaux apparaissent sous forme de tableaux Markdown et sous forme de lignes et de colonnes dans le JSON ; les images sont enregistrées dans images/ avec leurs positions marquées. Les scans passent par la reconnaissance de texte (OCR) et sont ensuite organisés selon leur mise en page. Vous seul pouvez voir les fichiers que vous téléchargez et leurs résultats.

Bon pour : Markdown et JSON sans rien configurer ni écrire de code ; préparer des documents pour une base de connaissances ou RAG.

MinerU

Sous licence MinerU Open Source (basée sur Apache 2.0 avec des conditions supplémentaires). Le Precision Extract API nécessite un jeton et prend des fichiers allant jusqu’à 200 Mo et 600 pages ; l’Agent Lightweight API ne nécessite pas de connexion et prend des fichiers allant jusqu’à 10 Mo et 20 pages, en vitesse limitée par IP.

Bon pour : des développeurs avec un GPU qui souhaitent s’auto-héberger, ou qui lotent des documents chinois via un API.

Source: MinerU — GitHub README, MinerU — API documentation (limits)

Docling

Son README indique la mise en page des pages, l’ordre de lecture et la structure des tableaux, OCR pour les PDF et images numérisés, ainsi que l’exécution locale pour les données sensibles et les environnements issus de l’espace spatial. Les poids des modèles portent leur propre licence, à vérifier séparément.

Bon pour : les équipes qui doivent rester hors ligne ou au sein de leur propre réseau et qui sont à l'aise avec Python.

Source: Docling — GitHub README

Marker (Datalab)

Les pondérations du modèle utilisent une licence OpenRAIL-M modifiée, gratuite pour la recherche, l'usage personnel et les startups de moins de 5 millions de dollars de financement ou de revenus ; l’utilisation commerciale au-delà est payante. Le API hébergé est facturé pour 1 000 pages : 1 $ rapide, 3 $ équilibré, 7,50 $ précis ; une carte n'est nécessaire qu'après l'allocation gratuite.

Bon pour : développeurs qui veulent LaTeX équations et tables HTML et peuvent travailler avec la licence weights.

Source: Marker — GitHub README, Datalab — Pricing

LlamaParse (LlamaIndex)

La page tarifaire de LlamaIndex liste un plan pay-as-you-go à 0 $ avec 10 000 crédits gratuits par mois ; Chaque niveau d’analyse utilise un nombre différent de crédits par page, contre 1 pour l’analyse de base. Il s’intègre parfaitement dans la pile LlamaIndex RAG.

Bon pour : développeurs qui construisent déjà RAG avec LlamaIndex.

Source: LlamaIndex — Pricing

Mathpix

les tarifs de Mathpix affichent 10 pages PDF et 10 images par mois sur le forfait gratuit, doublé par un email .edu ; Pro coûte 4,99 $ par mois pour 1 000 pages PDF et 5 000 images. La reconnaissance de la formule est sa force ; La franchise gratuite est faible.

Bon pour : une page occasionnelle de formules ou une photo d’un problème de maths.

Source: Mathpix — Snip pricing

Azure AI Document Intelligence

La documentation de Microsoft indique que le niveau gratuit n’analyse que les deux premières pages d’une requête, avec des fichiers pouvant atteindre 4 Mo et une requête par seconde ; La page des prix indique de 0 à 500 pages gratuites par mois. Il convient d’essayer avant de développer sur Azure.

Bon pour : les équipes qui s'appuient déjà sur Azure et qui ont besoin d'une entreprise API.

Source: Microsoft Learn — Document Intelligence quotas and limits, Azure — Document Intelligence pricing

Lequel pour quel métier

Votre situationQue faire en premier
Conversion de centaines de PDF ou de pages numérisées en Markdown et JSON sans écrire de codeOmniDoc (jusqu'à 501 pages par PDF, dans le navigateur)
Les données doivent rester sur vos propres serveursDocling ou MinerU, auto-hébergé
Documents chinois en lots quotidiensMinerU en ligne API (2 000 pages prioritaires par jour), ou OmniDoc
Équations des articles comme LaTeXMarker, ou Mathpix (petite allocation gratuite)
Je construis déjà RAG avec LlamaIndexLlamaParse
Déjà construit sur AzureAzure Document Intelligence (le palier gratuit affiche 2 pages par demande)
Word, PowerPoint, Excel, EPUB ou HTML à MarkdownOmniDoc, MinerU ou Docling

Questions

Y a-t-il un convertisseur PDF vers Markdown gratuit en 2026 ?

Oui. MinerU, Docling et Marker sont open source et peuvent être auto-hébergés ; l'extraction gratuite de documents OmniDoc s'exécute dans le navigateur sans plafond mensuel et jusqu'à 501 pages par PDF, et son ZIP contient document.md et document.json ; Le API en ligne de MinerU offre 2 000 pages prioritaires par jour et par compte. Chiffres issus des pages officielles, vérifiés en novembre 2026.

En quoi l'extraction structurée est-elle différente de PDF au texte ?

PDF to text vous donne une série de texte brut. L'extraction structurée conserve les niveaux de titre, les paragraphes, les tableaux sous forme de lignes et de colonnes, les positions des images et l'ordre de lecture, comme Markdown et JSON que les programmes et les outils d'IA peuvent utiliser directement.

Je ne peux pas m'auto-héberger. Quelles sont mes options ?

Utilisez un outil en ligne : l'extraction gratuite de documents OmniDoc nécessite un téléchargement dans le navigateur ; MinerU, Datalab, LlamaParse et Azure proposent des API en ligne, qui nécessitent un compte, un token et du code.

Ces outils peuvent-ils gérer les PDF et les tableaux numérisés ?

Oui. OmniDoc, Docling et MinerU reconnaissent le texte dans les analyses et la structure des tableaux. OmniDoc écrit les tableaux sous forme de tableaux Markdown et sous forme de lignes et de colonnes dans le JSON ; vérifiez les tableaux très complexes par rapport à l’original.

Qui a écrit cette comparaison ?

L’équipe OmniDoc ; OmniDoc est notre propre produit. Chaque figure concernant un autre outil renvoie à sa page officielle ou à son dépôt, et cette page gagne si quelque chose a changé.

Sources (consultées le 14 novembre 2026)

  1. MinerU — GitHub READMEhttps://github.com/opendatalab/MinerU
  2. MinerU — API documentation (limits)https://mineru.net/doc/docs/index_en/
  3. Docling — GitHub READMEhttps://github.com/docling-project/docling
  4. Marker — GitHub READMEhttps://github.com/datalab-to/marker
  5. Datalab — Pricinghttps://www.datalab.to/pricing
  6. LlamaIndex — Pricinghttps://www.llamaindex.ai/pricing
  7. Mathpix — Snip pricinghttps://mathpix.com/pricing/snip
  8. Microsoft Learn — Document Intelligence quotas and limitshttps://learn.microsoft.com/en-us/azure/ai-services/document-intelligence/service-limits
  9. Azure — Document Intelligence pricinghttps://azure.microsoft.com/en-us/pricing/details/ai-document-intelligence/

Guide 2026 : 8 choses à vérifier dans un outil d'extraction de documents · OmniDoc Extraction de documents · Traduction du document · Ouvrez l'outil · Obtenez l'application de bureau