MARKETIA
ConnexionInscription
N1 · Simple à mettre en placeNouveau

Conversion de PDF complexes en Markdown/JSON structuré (Marker)

Rapports scannés, articles scientifiques, tableaux multi-colonnes — bien plus fidèle qu'un extracteur brut

Vendu par MagicMate

Ce qu'il faut

Niveau
N1 · Simple à mettre en place — Vous déposez un fichier fourni dans un outil que vous utilisez déjà. Rien à héberger ni à configurer en profondeur.
Serveur requis
Non
Réglages requis
Non (dépôt d'un fichier)
Licence
Licence d'origine : voir le dépôt source. Marketia n'a pas de résumé vérifié pour cette licence ; consultez-la avant tout usage.

Marker convertit des PDF complexes — rapports scannés, articles scientifiques avec formules, tableaux multi-colonnes — en Markdown ou JSON structuré (le README annonce 76,0 % sur le banc olmocr-bench en mode équilibré). C'est l'outil à glisser en amont de tout pipeline qui doit faire lire des PDF à un LLM. Il fonctionne sur GPU, CPU ou MPS, mais les modes rapide et équilibré s'appuient sur le GPU.

Limites et précautions : le README prévient que les mises en page très complexes (tableaux imbriqués, formulaires) peuvent mal fonctionner. Les formats DOCX, PPTX, XLSX, HTML et EPUB exigent l'installation de marker-pdf[full]. Le serveur d'inférence demande Docker avec NVIDIA (vLLM) ou llama.cpp (CPU ou Apple Silicon). Le mode LLM (--use_llm) utilise par défaut Gemini avec une clé GOOGLE_API_KEY : vos documents sont alors envoyés à un service externe.

Licence et attribution : Source : https://github.com/datalab-to/marker. Licence : Apache-2.0 (https://raw.githubusercontent.com/datalab-to/marker/master/LICENSE). Le code est sous Apache-2.0, mais les poids de modèles sont sous une licence « modified AI Pubs Open Rail-M » : gratuits pour la recherche, l'usage personnel et les startups sous 5 millions de dollars de financement ou de chiffre d'affaires ; au-delà, une licence commerciale payante est requise auprès de l'éditeur. La carte Hugging Face de surya_layout (poids utilisés par Marker) affiche en outre cc-by-nc-sa-4.0, ce qui contredit le README : vérifiez avant tout usage commercial. Tous droits conservés par ses auteurs ; cette fiche est une présentation rédigée par Marketia.

Critique Marketia

Verdict

Convertisseur PDF puissant, mais le gratuit est conditionnel : au-delà de 5 M$ de financement ou de chiffre d'affaires, ou pour un service vendu, il faut une licence payante. Le texte actuel de la fiche induit en erreur sur ce point ; à corriger avant toute mise en ligne.

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 un pipeline IA.
  • Pas pour un éditeur qui l'intègre dans une offre commerciale au-delà du seuil sans licence ; qualité en français non évaluée (le README ne cite pas le français).

Points forts prouvés

  • Code Apache 2.0 (README) ; formats variés (PDF, image, PPTX, DOCX, XLSX, HTML, EPUB) ; installation pip install marker-pdf (Python 3.10+ et PyTorch).
  • Release v2.0.0 le 2026-07-20 (releases.atom). Le flux de commits lu (jusqu'au 2026-10-14) ne contient que des messages du bot de signature de CLA : nous ne pouvons pas dater le dernier commit de code humain.

Limites et risques

  • 380 issues ouvertes (page lue). Récentes : #1121, #1119, #1117 (traitement par lot : fragments dupliqués ou omis, plantage), #1105 (texte corrompu issu de polices CID), #1103 (erreur 400 avec Ollama), #1110 (le README exagère l'effet de --disable_multiprocessing).
  • La relecture des licences signale que la carte Hugging Face de datalab-to/surya_layout affiche cc-by-nc-sa-4.0, contradictoire avec le README (nous avons relu la carte le 2026-10-17 : « License: cc-by-nc-sa-4.0 », README de la carte vide). Marker utilise les poids Surya.
  • Le texte intégral de la licence modifiée n'a pas été lu.

Effort d'installation réel

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

Alternatives

  • Docling (critique pilote skill-extraction-documents-docling, MIT, mais modèles aux licences non relues).
  • Unstructured (critique skill-preparation-documents-unstructured, Apache 2.0, qualité moindre que son offre payante selon son README).

Licence et attribution

Avertissement de licence : « Seuil 5 M$ à signaler ; licence exacte des poids (texte modifié OpenRAIL-M) NON LUE en entier ; carte HF NC-SA contradictoire -> risque, vérifier avant tout usage commercial hors seuil ». À afficher sur la fiche : code Apache 2.0 ; poids gratuits seulement sous 5 M$ de financement ou de chiffre d'affaires ; au-delà, licence payante Datalab.

Ce que nous n'avons pas testé

Aucune installation, aucune mesure de vitesse ni de fidélité, aucun test sur des PDF français, aucune lecture du texte complet de la licence des poids, aucune vérification du mode LLM.

Sources (lues le 2026-10-17)

Licence des poids : seuil de chiffre d'affaires

Ce produit télécharge ou recommande des modèles publiés sous une licence distincte de celle du code. Leur usage est gratuit sous un seuil de financement ou de chiffre d'affaires (5 M$ de revenu brut ou de financement levé, selon l'éditeur) et payant au-delà. Vérifiez que ces conditions sont compatibles avec votre usage avant de déployer en production.

Aller plus loin