Installation

Exécuter Docling avec Docker (docling-serve)

Exécutez l'API HTTP officielle docling-serve en conteneur — sans environnement Python. Choisissez la bonne image (CPU vs CUDA), publiez le port 5001, activez l'UI et testez avec curl. Le déploiement avancé vit dans le projet officiel docling-serve.

Step 1

Quand Docker est (et n'est pas) la réponse

Utilisez Docker quand une app, un pipeline ou une équipe a besoin de Docling via HTTP (/v1/convert/source), de déploiements reproductibles ou d'isolation du Python hôte.
Omettez Docker pour une conversion locale ponctuelle — pip install docling plus docling convert file.pdf --to md est plus rapide (voir l'aperçu).
Les images sont grosses (4–11 Go) : base/CPU ~4,4 Go, CUDA 12.8 ~11,4 Go. Tirez une fois, réutilisez partout.

Step 2

Quelle image tirer : CPU vs CUDA

Toutes les images sont publiées sur quay.io/docling-project/… et ghcr.io/docling-project/… pour linux/amd64 (base/CPU en plus arm64). Remplacez docker par podman si c'est votre runtime. Règle de tags : les images base/CPU utilisent latest et main ; les images CUDA n'ont volontairement pas de latest (CUDA se périme avec PyTorch). Épinglez toujours les CUDA explicitement, p. ex. quay.io/docling-project/docling-serve-cu130:v1.18.0. Une image ROCm existe mais n'est pas publiée (compilez localement) ; des images slim sans poids pré-téléchargés sont prévues.

docker pull quay.io/docling-project/docling-serve-cpu

docker pull quay.io/docling-project/docling-serve-cu130:v1.18.0

Image	Quand	Arch / taille
`docling-serve` / `docling-serve-cpu`	Serveurs CPU-only, portables, CI	amd64 + arm64, ~4,4 Go
`docling-serve-cu128`	GPU NVIDIA avec CUDA 12.8	amd64, ~11,4 Go
`docling-serve-cu130`	GPU NVIDIA avec CUDA 13.0	amd64 (+arm64), taille TBD

Step 3

Démarrez le serveur (Docker / Podman)

CPU (le plus courant). Le premier démarrage télécharge les poids dans le cache de l'image — prévoyez temps et disque. Déploiements compose dans docs/deployment.md. GPU CUDA (exige nvidia-container-toolkit / --gpus).

podman run -p 5001:5001 -e DOCLING_SERVE_ENABLE_UI=1 quay.io/docling-project/docling-serve

docker run --gpus all -p 5001:5001 -e DOCLING_SERVE_ENABLE_UI=1 quay.io/docling-project/docling-serve-cu130:v1.18.0

Step 4

Alternative : docling-serve via pip

Le même serveur sans conteneurs — utile sur une VM ou pour déboguer :

pip install "docling-serve[ui]"

docling-serve run --enable-ui

Step 5

Ports, docs, UI et health check

Si /docs s'affiche, le serveur est sain. Si le port est occupé, remappez avec -p 5002:5001 et utilisez :5002 dans les URL.

API de base : http://127.0.0.1:5001
Docs API interactives (Swagger) : http://127.0.0.1:5001/docs
UI de test : http://127.0.0.1:5001/ui (uniquement avec DOCLING_SERVE_ENABLE_UI=1 / --enable-ui)
Endpoint de conversion stable : POST /v1/convert/source (API v1 — avec du vieux code, voir les notes de migration v1).

Step 6

Convertissez votre premier document via l'API

La réponse contient Markdown / JSON / HTML selon les options demandées. Explorez chaque option dans docs/usage.md et la référence REST des docs docling-serve.

curl -X POST http://localhost:5001/v1/convert/source -H 'Content-Type: application/json' -d '{"sources": [{"kind": "http", "url": "https://arxiv.org/pdf/2501.17887"}]}'

curl -X 'POST' \
  'http://localhost:5001/v1/convert/source' \
  -H 'accept: application/json' \
  -H 'Content-Type: application/json' \
  -d '{
    "sources": [{"kind": "http", "url": "https://arxiv.org/pdf/2501.17887"}]
  }'

Step 7

Notes de configuration et déploiement

Configurez via variables d'environnement (voir .env.example et docs/configuration.md), p. ex. DOCLING_SERVE_ENABLE_UI=1.
Montez un volume de cache pour que les poids survivent aux redémarrages ; fixez des limites mémoire pour les gros PDF (voir mémoire pleine).
Mettez auth / TLS / limites dans un reverse proxy en production ; les exemples compose de docs/deployment.md sont le point de départ.
Épinglez les tags en production (:v1.18.0, pas :latest) — surtout les CUDA.

Step 8

Problèmes de conteneurs fréquents

Le serveur ne démarre pas — voir docling-serve ne démarre pas : conflit de port, extra [ui] manquant ou entrypoint erroné.
/ui 404 — vous avez oublié DOCLING_SERVE_ENABLE_UI=1 / --enable-ui.
L'image GPU tourne sur CPU — l'hôte a besoin des pilotes NVIDIA + toolkit et de --gpus all ; confirmez dedans avec nvidia-smi.
Le pull de :latest CUDA échoue — attendu : les images CUDA ne portent que des tags de version explicites.
Première requête lente — les poids se téléchargent ; les suivantes réutilisent le cache.

Step 9

FAQ Docker

Docker ou pip install ?

Pip (pip install docling) pour la conversion CLI locale. Docker (docling-serve) quand vous avez besoin d'une API HTTP agnostique pour app ou équipe.

Quel registre — quay.io ou ghcr.io ?

Les deux reflètent les mêmes images. Prenez le plus rapide ou autorisé dans votre environnement.

Pourquoi pas de tag :latest CUDA ?

Les versions CUDA se périment à mesure que PyTorch avance, donc :latest pourrait changer votre CUDA en silence. Épinglez des versions explicites comme -cu130:v1.18.0.

Où est la doc API ?

En direct sur votre serveur sous /docs, plus les guides d'utilisation, de configuration et de déploiement en amont.

Le déploiement avancé est documenté dans le projet officiel docling-serve. Vérifié avec Docling v2.129.0 · Dernière vérification 2026-09-22 · Source officielle