Docling v2.129.0
🇺🇸 English EN 🇩🇪 Deutsch DE 🇯🇵 日本語 JA 🇨🇳 简体中文 ZH 🇫🇷 Français FR 🇪🇸 Español ES
GitHub Commencer
Interactif

Configurateur Docling

Choisissez vos options pour générer une commande CLI exécutable et un extrait Python équivalent. Les options suivent la syntaxe actuelle docling convert ; vérifiez dans la documentation officielle.

  1. 1ConfigureChoose your options
  2. 2Preview & copyCLI + Python snippet
  3. 3Run locallyPaste or download the script
Input

PDF unlocks the OCR and table options below; other formats use their own backend automatically.

OCR & tables
Activer le moteur OCR

Disabling OCR speeds up digital PDFs — keep it on for scans and photos.

Enrichment
Enrichir les blocs de code
Enrichir les formules LaTeX
Extraire les données des graphiques

Each option adds a model pass — enable only what your document contains.

Output & performance

Auto selects CUDA → MPS → CPU; tune threads to your machine.

Commande CLI

bash

          
Équivalent Python

            
python

          

        

      

      
Besoin d'une commande prête ? Utilisez la recherche de commandes ou comparez les moteurs OCR.

    

  

  

    

      

      
      



        
1
?tape 1
Comment utiliser le générateur

        


Le générateur transforme vos choix en une commande docling convert prête à copier et en un extrait Python équivalent. Ce guide explique chaque option, la correspondance entre les flags générés et l'API Python, et comment exécuter le résultat en toute sécurité.


Travaillez de haut en bas ; l'aperçu se met à jour à chaque modification.


  1. Choisissez le format d'entrée correspondant à votre fichier. Il ne change le traitement que pour les PDF ; les autres formats utilisent leur propre backend.
  2. Décidez de l'OCR Laissez-le actif pour les scans et les photos, désactivez-le pour les PDF numériques afin d'accélérer nettement la conversion.
  3. Choisissez le moteur et le mode OCR si l'OCR est actif. Commencez par auto et ne prenez un moteur précis qu'en cas de besoin.
  4. Sélectionnez le mode de tableaux accurate pour les tableaux complexes, fast quand la vitesse prime sur la précision.
  5. Activez uniquement l'enrichissement utile Code, formules et graphiques ajoutent chacun un traitement neuronal.
  6. Choisissez le format de sortie et l'accélérateur Markdown pour lire, JSON pour la structure ; un GPU seulement si vous en avez un.
  7. Copiez ou téléchargez le script Utilisez Copier la CLI, Copier Python ou Télécharger le script (.sh).
  8. Exécutez et vérifiez la sortie Le fichier converti est écrit à côté du fichier source par défaut.

        

      



        
2
?tape 2
Format d'entrée

        


Choisissez l'option la plus proche. Seules les entrées PDF et image sont concernées par les options OCR et tableaux ; les autres passent automatiquement par leur backend spécifique.


EntréeExtensionsOCR applicableRemarques
PDF.pdfOui (optionnel)Mise en page, ordre de lecture et tableaux : le cas d'usage principal de cet outil.
Word.docx, .docNonTitres, listes et tableaux sont conservés.
PowerPoint.pptxNonDiapositives, zones de texte et notes.
Excel.xlsxNonChaque feuille devient un tableau structuré.
HTML.html, .htmNonPages web et HTML enregistré.
Audio.mp3, .wavNonUtilise le pipeline ASR ; les options OCR ne s'appliquent pas.

        

      



        
3
?tape 3
Options OCR

        


L'OCR convertit le texte des images en texte lisible par machine. C'est le facteur le plus important pour la précision et le temps d'exécution : activez-le à bon escient.


  • Activez l'OCR pour un scan, une photo ou un PDF sans couche de texte sélectionnable.
  • Désactivez l'OCR pour les PDF numériques : la conversion peut être plusieurs fois plus rapide (--no-ocr).
  • Le mode default conserve le texte existant et n'OCRise que les pages sans texte.
  • Le mode full_page OCRise toutes les pages et remplace le texte détecté.


MoteurPlateformeIdéal pourRemarques
autoToutesLaisser Docling choisirValeur par défaut, point de départ le plus sûr.
RapidOCRMultiplateformeOCR multilingue adapté au CPUBasé sur ONNX ; aucune dépendance lourde.
Tesseract (tesserocr)Multiplateforme (binaire système)OCR mature, nombreuses languesNécessite Tesseract et les données de langue.
EasyOCRMultiplateformeInstallation simpleTélécharge ses propres modèles au premier usage.
OcrMacmacOS uniquementOCR natif Apple VisionDisponible uniquement sur macOS.
Nemotron OCRLinux + CUDAOCR accéléré par GPUNécessite un environnement CUDA compatible.

        

      



        
4
?tape 4
Extraction des tableaux

        


Les tableaux sont reconstruits à partir de la mise en page, pas du texte brut ; le mode choisi change donc la qualité du résultat.


ModeModèlePrécisionVitesseÀ utiliser quand
accurateTableFormerÉlevéePlus lentCellules fusionnées, tableaux sans bordures et rapports financiers.
fastModèle de structure rapideApproximativePlus rapideUn tableau approximatif suffit et la vitesse prime.

        

      



        
5
?tape 5
Enrichissement

        


L'enrichissement ajoute un post-traitement neuronal pour détecter des contenus spécialisés. Ne l'activez que si le document en contient réellement.


OptionExtraitQuand activerCoût
--enrich-codeBlocs de codeDocuments techniques et de développement.Passe de modèle supplémentaire
--enrich-formulaFormules LaTeXPDF scientifiques et universitaires.Passe de modèle supplémentaire
--enrich-chart-extractionDonnées de graphiquesRapports contenant des graphiques.Passe de modèle supplémentaire

        

      



        
6
?tape 6
Format de sortie

        


Choisissez ce que vous voulez faire du résultat ; l'aperçu met aussi à jour l'appel d'export de l'extrait Python.


FormatCe que vous obtenezIdéal pour
Markdown (md)Texte lisible avec tableauxNotes, documentation et texte pour le RAG.
Docling JSON (json)DoclingDocument sans perte avec bounding boxesPipelines personnalisés et traitement aval.
HTML (html)Tableaux et mise en page en HTMLAperçus web et e-mail.
DocTags (doctags)Balisage compact de type tokenEntrée de modèle et flux de tokens.

        

      



        
7
?tape 7
Accélérateur et threads

        


Docling fonctionne sur CPU, GPU NVIDIA (CUDA) et Apple Silicon (MPS). auto choisit CUDA, puis MPS, puis CPU.


  • Utilisez --device cuda sur du matériel NVIDIA pour les gros lots.
  • Utilisez --device mps sur Apple Silicon.
  • Sur CPU, désactivez l'OCR et l'enrichissement inutiles.


RéglageValeursEffet
--deviceauto, cuda, mps, cpuDétermine où s'exécute l'inférence neuronale.
--num-threadsEntier (4 par défaut)Parallélisme CPU ; trop de threads peuvent ralentir une petite machine.

        

      



        
8
?tape 8
Référence des flags générés

        


Voici les flags que le générateur peut produire, avec l'option Python correspondante. Pour la CLI complète, voir la référence CLI.


FlagValeursS'applique àÉquivalent Python
--tomd, json, html, doctagsTousexport_to_markdown(), export_to_dict(), export_to_html(), export_to_doctags()
--ocr-engineauto, rapidocr, tesserocr, easyocr, ocrmac, nemotron-ocrPDF et imagespipeline_options.ocr_options
--ocr-modedefault, full_pagePDF et imagespipeline_options.ocr_options
--no-ocrFlagPDFpipeline_options.do_ocr = False
--table-modeaccurate, fastPDFpipeline_options.do_table_structure
--enrich-codeFlagPDFpipeline_options.do_code_enrichment
--enrich-formulaFlagPDFpipeline_options.do_formula_enrichment
--enrich-chart-extractionFlagPDFpipeline_options.do_chart_extraction
--deviceauto, cuda, mps, cpuTousAcceleratorOptions(device=...)
--num-threadsEntierTousAcceleratorOptions(num_threads=...)

        

      



        
9
?tape 9
L'équivalent Python

        


Le générateur construit cet extrait pour vous. Pour les PDF, il configure un objet PdfPipelineOptions et l'enregistre via format_options ; pour tout autre format, un simple DocumentConverter() suffit.


  • Remplacez export_to_markdown() par export_to_dict() pour un JSON sans perte.
  • Définissez pipeline_options.do_ocr = False pour désactiver l'OCR.
  • Utilisez convert_all() pour traiter plusieurs fichiers.


from docling.document_converter import DocumentConverter, PdfFormatOption
from docling.datamodel.base_models import InputFormat
from docling.datamodel.pipeline_options import PdfPipelineOptions

pipeline_options = PdfPipelineOptions()
pipeline_options.do_ocr = True
pipeline_options.do_table_structure = True

converter = DocumentConverter(
    format_options={InputFormat.PDF: PdfFormatOption(pipeline_options=pipeline_options)}
)

result = converter.convert("report.pdf")
print(result.document.export_to_markdown())

        

      



        
10
?tape 10
Recettes

        


Copiez un préréglage et changez le nom du fichier.


PDF numérique, le plus rapide
Sans OCR, sortie Markdown.
docling convert report.pdf --to md --no-ocr
PDF scanné
OCR pleine page, puis Markdown.
docling convert scan.pdf --to md --ocr-mode full_page
Article scientifique
Formules et code enrichis.
docling convert paper.pdf --to md --enrich-code --enrich-formula
Structure lisible par machine
Docling JSON sans perte.
docling convert report.pdf --to json
Documents Office
Word, PowerPoint et Excel.
docling convert workbook.xlsx --to md
Lot sur GPU
CUDA avec plus de threads.
docling convert report.pdf --to md --device cuda --num-threads 8

        

      



        
11
?tape 11
Avertissements du générateur

        


Le générateur vérifie les combinaisons et vous prévient quand un choix n'aura pas d'effet. Vérifiez toujours les flags inhabituels dans la référence CLI officielle.


  • Entrée audio avec l'OCR activé (l'OCR ne s'applique pas au pipeline ASR).
  • OcrMac sélectionné sur une plateforme autre que macOS.
  • Nemotron OCR sélectionné sur CPU.
  • OCR désactivé alors qu'un moteur OCR est encore sélectionné.

        

      



        
12
?tape 12
Performance et confidentialité

        


Le générateur s'exécute entièrement dans votre navigateur, et les commandes produites exécutent Docling en local.


  • Désactivez l'OCR pour les PDF numériques ; gardez-le uniquement pour les scans.
  • Utilisez --table-mode fast quand des tableaux approximatifs suffisent.
  • Privilégiez un GPU pour les gros lots et ajustez --num-threads à votre machine.
  • Rien n'est téléversé : vos choix ne quittent jamais le navigateur.

        

      



        
13
?tape 13
Pour aller plus loin

        


Outils et références associés.


        

      



        
14
?tape 14
Questions fréquentes

        


La commande générée est-elle directement exécutable ?
Oui. Elle utilise la syntaxe actuelle de docling convert et uniquement les options que vous avez choisies. Relisez-la une fois, puis exécutez-la dans votre environnement.
Le générateur téléverse-t-il mes documents ou réglages ?
Non. Tout est calculé localement dans votre navigateur ; rien n'est envoyé à un serveur. Les commandes générées traitent les documents sur votre machine.
Quel moteur OCR choisir ?
Commencez par auto. Sur une machine uniquement CPU, RapidOCR est un bon choix ; utilisez OcrMac sur macOS et Nemotron OCR uniquement sur un GPU CUDA.
Pourquoi le Python généré diffère-t-il de la CLI ?
La CLI associe les flags aux options du pipeline en interne. L'extrait Python rend cette correspondance explicite pour que vous puissiez l'ajuster.
Ai-je besoin d'un GPU ?
Non. Docling fonctionne sur CPU. Un GPU accélère surtout l'OCR et l'enrichissement sur de gros documents.
La commande fonctionne-t-elle sous Windows, macOS et Linux ?
Oui. La même commande fonctionne partout ; seule la disponibilité des moteurs OCR diffère (OcrMac uniquement macOS, Nemotron OCR nécessite CUDA).
Comment obtenir des chunks pour le RAG plutôt que du Markdown ?
Générez un export Markdown ou JSON, puis passez le résultat à HybridChunker. Voir le guide RAG.
Les flags sont-ils toujours à jour ?
Ils suivent l'interface de docling convert au moment de la dernière vérification. Vérifiez les options inhabituelles dans la référence CLI officielle.