Avis MagicMate : Docling, ce que dit la source

Verdict

Une bibliothèque Python sérieuse pour transformer PDF, Word, PowerPoint et images en Markdown ou JSON exploitable par une IA ; sur notre test, la conversion locale d'un document Word (.docx) a réussi et donné la même sortie à chaque exécution, mais plusieurs issues ouvertes récentes signalent des erreurs de fidélité sur les formats Office (rapports non vérifiés, lecture partielle des issues), donc à valider sur vos propres documents avant de lui confier quoi que ce soit d'important.

Pour qui (PME française)

Une équipe technique (ou un prestataire) qui construit un assistant sur ses documents (contrats, devis, notices, factures) et veut une conversion locale.
Pas pour un utilisateur métier seul : c'est une bibliothèque et une ligne de commande, sans interface.

Points forts prouvés

Large éventail de formats annoncé : PDF, DOCX, PPTX, XLSX, HTML, images, e-mails, ODF, EPUB, audio (README lu).
« Local execution capabilities for sensitive data and air-gapped environments » (README) ; la FAQ contient une section « How do I run completely offline? » (titre lu, procédure non testée).
Installation annoncée en pip install docling sur macOS, Linux et Windows (x86_64 et arm64), Python 3.10 ou plus (README et docs/getting_started/installation.md lus).
Intégrations documentées avec LangChain, LlamaIndex, CrewAI, Haystack, serveur MCP et serveur d'API (README).
Maintenance très active : v2.140.0 le 2026-10-16, trois releases en cinq jours (flux Atom lus).

Limites et risques

Issues ouvertes (environ 693 d'après la page des issues, résumé automatique) : les 12 plus récentes (2026-10-14 et 15) portent sur la fidélité de conversion : listes imbriquées DOCX mal structurées, bloc de code corrompu en Markdown, saut de ligne parasite en PPTX, colonnes de tableau intervertie (backend « Bee »), OCR non limitable aux pages scannées. Pour des factures ou des tableaux, il faut un échantillon de contrôle.
Une issue (#4832) signale que la diarisation audio est désactivée avec une version récente de setuptools : l'option audio demande de la prudence.
Dépendance lourde : les modèles s'appuient sur PyTorch (doc d'installation) ; la variante processeur seul passe par un index PyTorch spécifique. Sur Mac Intel, il faut une procédure particulière (PyTorch récent sans roue pour cette plateforme). La taille du téléchargement n'est pas indiquée dans les docs lues : nous ne la chiffrons pas.
Les modèles de mise en page et d'OCR sont récupérés depuis Hugging Face (la FAQ mentionne une erreur SSL de téléchargement des poids) : sur un poste d'entreprise avec proxy, cela peut coincer.
Les licences de ces modèles ne sont pas détaillées dans le catalogue de modèles lu (voir licence).

Effort d'installation réel

Faible pour un essai (pip install docling puis docling <fichier>), moyen pour une chaîne fiable : choix de l'OCR (EasyOCR, Tesseract, RapidOCR... avec dépendances système pour Tesseract), préchargement des modèles pour le hors-ligne, tests sur vos documents. Estimation : une demi-journée pour un premier flux, plusieurs jours pour fiabiliser sur des documents réels. Estimation, pas mesure. Mesuré sur un seul cas : le 2026-10-18, pip install de Docling 2.140.0 dans un environnement Python neuf a pris 216 s et l'environnement pèse 1 419 Mo, PyTorch compris ; voir le test d'usage.

Alternatives

Marker (https://github.com/datalab-to/marker, fiche Marketia voisine), Unstructured, PaddleOCR pour l'OCR seul, Tesseract seul pour les scans simples.
Pour du volume sans équipe technique : un service de GED avec OCR, hors open source.

Licence et attention commerciale

Code sous licence MIT (fichier LICENSE lu : « MIT License, Copyright The Docling Contributors »). Usage commercial permis, avec attribution. Attention : le code est MIT, mais les poids de modèles téléchargés (layout, tableaux, OCR, modèles de vision) ont leurs propres licences que nous n'avons pas relues ; certains moteurs OCR optionnels aussi. À vérifier avant de livrer une solution à un client.

Ce que nous n'avons pas testé

Les sections ci-dessus sur les licences, la maintenance et les points forts viennent de la lecture des sources publiques. Seul un test d'usage a été exécuté : voir Docling 2.140.0 testé pour de vrai (installation de Docling 2.140.0, conversion d'un seul document Word inventé, en français, vers Markdown, sous Windows 11). Tout le reste n'a pas été testé, en particulier : les PDF et l'OCR, les modèles de mise en page et de tableaux, le fonctionnement hors ligne avec modèles préchargés, les documents réels (factures, tableaux complexes), la lecture des licences des modèles, le serveur d'API et le serveur MCP.