MARKETIA
ConnexionInscription

Avis MagicMate : Marker, ce que dit la source

Source vérifiée le 17 octobre 2026 (analyse rédigée le 17 octobre 2026).

Analyse statique des sources publiques : sauf mention contraire sur cette page, rien n'a été installé ni exécuté. Les tests réellement exécutés sont sur la page Tests. Cette page ne donne aucune note. Notre méthode.

Verdict

Un convertisseur de PDF en Markdown puissant, mais gratuit sous conditions : le code est sous Apache 2.0, pas les poids des modèles. Au-delà de 5 M$ de financement ou de chiffre d'affaires, ou pour un service vendu, une licence payante est nécessaire.

Pour qui (PME française)

  • Une petite structure sous le seuil de 5 M$, ou en usage interne et personnel, qui veut transformer des PDF en Markdown pour alimenter un outil d'IA.
  • Pas pour un éditeur qui l'intègre dans une offre commerciale au-delà du seuil sans licence. Le README ne cite pas le français : la qualité sur vos documents reste à mesurer.

Points forts prouvés

  • Code sous Apache 2.0 ; formats variés (PDF, images, PPTX, DOCX, XLSX, HTML, EPUB, ces derniers via marker-pdf[full]) ; installation par pip install marker-pdf.
  • Résultat annoncé de 76,0 % sur le banc olmocr-bench en mode équilibré (chiffre de l'éditeur, que nous n'avons pas reproduit).

Limites et risques

  • Les poids des modèles sont sous une licence « Open Rail-M » modifiée (fichier MODEL_LICENSE lu) : gratuits pour la recherche, l'usage personnel et les structures sous 5 M$ de financement ou de chiffre d'affaires, payants au-delà.
  • La carte Hugging Face du modèle de mise en page datalab-to/surya_layout, que Marker utilise, affiche license: cc-by-nc-sa-4.0 (usage non commercial), ce qui contredit le README. Tant que l'éditeur ne tranche pas, prudence pour tout usage commercial.
  • Les débits annoncés (de 2,9 à 23,7 pages par seconde selon le mode) ont été mesurés sur un GPU de centre de données (un B200). Rien ne permet d'en déduire une durée sur un poste de bureau.
  • Les modes rapide et équilibré s'appuient sur le GPU. Le mode LLM (--use_llm) utilise par défaut Gemini avec une clé API : vos documents partent alors chez un service externe.
  • Le README prévient lui-même que des mises en page très complexes (tableaux imbriqués, formulaires) peuvent mal se convertir.
  • Le README ne compare pas son score à un simple extracteur de texte brut : « plus fidèle » n'est pas démontré.

Effort d'installation réel

Court pour un essai (pip), mais le démarrage dépend de PyTorch et du matériel. Estimation : de 30 minutes à une heure ; non mesuré.

Alternatives

  • Docling (voir son avis), code sous licence MIT ; les licences de ses modèles sont à lire séparément.
  • Unstructured (voir son avis), sous Apache 2.0.

Licence et attention commerciale

Code sous Apache 2.0. Poids sous licence Open Rail-M modifiée : gratuits sous 5 M$ de financement ou de chiffre d'affaires, licence commerciale payante au-delà. La carte Hugging Face contradictoire (non commercial) est un risque supplémentaire à lever auprès de l'éditeur avant tout usage commercial.

Ce que nous n'avons pas testé

Aucune installation, aucune mesure de vitesse ni de fidélité, aucun test sur des PDF français, aucune vérification du mode LLM.

Sources (lues le 2026-10-17)

Aller plus loin

Recevoir la newsletter Marketia