Meilleurs convertisseurs PDF vers Markdown : comparatif 2026

Le meilleur convertisseur PDF vers Markdown dépend de votre façon de travailler. Les développeurs Python disposent de bibliothèques gratuites comme MarkItDown et Docling. Pour de gros lots sur GPU, Docling, Marker ou MinerU conviennent. Si vous voulez une application Windows sans configuration, il y a MD Factory. Pandoc convertit de nombreux formats en Markdown, mais pas le PDF.

Précision : MD Factory est notre produit. Pour les PDF, il utilise Docling, comparé plus bas, et le moteur d’OCR Tesseract. Les informations sur les autres outils proviennent de leurs propres README, documentations et fichiers de licence, vérifiés le 17 octobre 2026.

Tableau comparatif

Le tableau reprend les pages de chaque projet en octobre 2026. Ces outils évoluent vite : vérifiez les pages en lien avant de vous décider.

MarkItDown : le convertisseur léger de Microsoft

MarkItDown est une bibliothèque Python open source avec un outil en ligne de commande, publiée par Microsoft. Elle convertit en Markdown les PDF, Word, PowerPoint, Excel, HTML, EPUB, images, fichiers audio et quelques autres formats. Elle nécessite Python 3.10 à 3.14, et le README recommande de l’installer dans un environnement virtuel.

pip install "markitdown[all]"
markitdown report.pdf -o report.md

Son convertisseur PDF intégré lit la couche de texte du PDF. Il construit les tableaux Markdown à partir de mots alignés en colonnes et n’exécute aucun modèle de mise en page ni d’OCR. Selon le README, la sortie est destinée aux outils d’analyse de texte et peut ne pas convenir à des conversions fidèles destinées à être lues par des personnes.

Les pages numérisées demandent un module complémentaire. Le plugin markitdown-ocr, issu du même dépôt, effectue le rendu de chaque page numérisée et l’envoie à un modèle de vision via un client compatible OpenAI. L’option Azure Document Intelligence envoie le PDF au service cloud de Microsoft, et chaque appel est facturé. Dans les deux cas, les pages partent vers le modèle ou le service que vous configurez.

MarkItDown est sous licence MIT et gratuit.

Docling : modèles de mise en page et OCR local

Docling est un convertisseur open source lancé par IBM Research et aujourd’hui hébergé par la LF AI & Data Foundation. Il exécute des modèles d’apprentissage automatique sur chaque page du PDF pour détecter la mise en page, l’ordre de lecture et la structure des tableaux, puis exporte du Markdown, du HTML ou du JSON. Il fonctionne sous Windows, macOS et Linux avec Python 3.10 ou ultérieur.

pip install docling
docling report.pdf --output markdown --image-export-mode referenced

Les modèles se téléchargent à la première utilisation. Pour les ordinateurs sans accès à internet, la documentation explique comment les télécharger à l’avance. L’OCR s’exécute en local avec le moteur de votre choix, par exemple EasyOCR, RapidOCR ou Tesseract. Le GPU est facultatif : en plus du CPU, Docling peut utiliser des périphériques NVIDIA CUDA, Apple MPS et Intel XPU.

La dernière option de l’exemple enregistre les images dans des fichiers PNG séparés. Sans elle, Docling intègre les images dans le Markdown sous forme de texte base64.

Le code de Docling est sous licence MIT, et le README demande de vérifier la licence propre à chaque modèle. Les modèles de mise en page et de tableaux de son pipeline PDF standard sont publiés sous Apache 2.0 et CDLA-Permissive-2.0. Docling est gratuit.

Docling ou MarkItDown

Les deux sont gratuits, sous licence MIT et s’installent en une commande pip. Ils lisent les PDF de manières différentes.

En cas de doute, testez les deux sur cinq à dix de vos propres PDF et comparez le Markdown avec les pages d’origine.

Marker : lots sur GPU et une licence de modèles à vérifier

Marker est un convertisseur open source de Datalab. Il transforme les PDF et les images en Markdown, JSON ou HTML et, avec des dépendances supplémentaires, traite aussi les fichiers DOCX, PPTX, XLSX, HTML et EPUB. Il nécessite Python 3.10 ou ultérieur et PyTorch, et fonctionne sur GPU, CPU ou Apple Silicon.

pip install marker-pdf
marker_single report.pdf
marker pdfs --output_dir markdown
marker_single report.pdf --use_llm

L’OCR passe par le modèle surya de Datalab, sur un serveur d’inférence local que Marker démarre à la première utilisation : vLLM dans Docker sur les GPU NVIDIA, llama.cpp sur les CPU et Apple Silicon. Vous installez Docker ou llama.cpp vous-même. Sur CPU, Marker utilise par défaut un mode rapide qui n’appelle le modèle que pour les pages numérisées, le texte altéré et les équations.

Un mode LLM facultatif, la dernière commande de l’exemple, envoie du contenu à un LLM pour fusionner les tableaux répartis sur plusieurs pages, mettre en forme les formules en ligne et extraire les valeurs des formulaires. Gemini est utilisé par défaut ; Claude, les API compatibles OpenAI et les modèles locaux via Ollama fonctionnent aussi. Il vous faut une clé d’API pour le service choisi ou un modèle Ollama en cours d’exécution.

Vérifiez la licence avant d’utiliser Marker au travail. Le code est sous Apache 2.0. Les poids des modèles utilisent une licence AI Pubs Open RAIL-M modifiée : ils sont gratuits pour un usage personnel, la recherche et les organisations dont le chiffre d’affaires annuel et le financement total restent chacun sous 5 millions de dollars. Les organisations plus grandes, ainsi que toute personne dont l’employeur propose un produit concurrent de Datalab, ont besoin d’une licence commerciale de Datalab. Les conditions complètes figurent dans le fichier de licence des modèles.

Le README de Marker publie aussi les propres résultats de Datalab sur olmocr-bench, un benchmark public de 1 403 PDF ; dans ces tests, le mode balanced de Marker sur GPU obtient un score supérieur à Docling et MinerU. Nous n’avons pas refait ces tests.

MinerU : niveaux de qualité du CPU au GPU

MinerU est développé par l’équipe OpenDataLab. Il convertit les PDF, les images et les fichiers Office en Markdown et dans d’autres formats. La version 4 propose quatre niveaux de qualité, de flash pour un aperçu rapide à advanced pour les documents difficiles. Il fonctionne sous Windows, macOS et Linux avec Python 3.10 à 3.14 ; le README l’installe dans un environnement virtuel.

pip install "mineru>=4.0,<5"
mineru-kit parse report.pdf -o report.md --tier standard
mineru telemetry disable

L’installation par défaut fonctionne sur CPU. Le niveau basic demande environ 0,8 Go de modèles et 2 Go de RAM ; les niveaux standard et advanced, environ 2 Go de modèles et 8 Go de RAM. Avec un GPU NVIDIA doté d’au moins 8 Go de mémoire vidéo, l’extra full offre un meilleur débit. L’OCR s’exécute en local.

Les documents ne partent vers le service en ligne de MinerU que si vous demandez un traitement à distance. Le README indique aussi que MinerU peut envoyer une télémétrie d’utilisation anonyme qui exclut le contenu des documents, les noms de fichiers et les chemins. La dernière commande de l’exemple désactive la télémétrie.

La licence est Apache 2.0 avec des conditions supplémentaires. Les entreprises qui dépassent 100 millions d’utilisateurs actifs mensuels ou 20 millions de dollars de chiffre d’affaires mensuel doivent obtenir une licence commerciale distincte, et les services en ligne basés sur MinerU doivent indiquer qu’ils l’utilisent.

Pandoc ne lit pas le PDF

Pandoc est un convertisseur gratuit en ligne de commande entre des dizaines de formats de documents, mais il ne sait pas lire le PDF. Le PDF ne figure pas parmi les formats d’entrée de son manuel, et la FAQ officielle indique qu’il est impossible de convertir des PDF avec Pandoc. Pandoc ne produit du PDF qu’en sortie. Sources : manuel de Pandoc, FAQ de Pandoc.

Pandoc est utile lorsque vous avez le fichier source plutôt que le PDF. Il lit les formats DOCX, PPTX, XLSX, EPUB, HTML, ODT, RTF et d’autres, et s’installe sous Windows, macOS et Linux. Sous Windows :

winget install --source winget --exact --id JohnMacFarlane.Pandoc
pandoc report.docx -o report.md

Pandoc est sous licence GPL 2.0 ou ultérieure et gratuit.

Convertisseurs en ligne : rien à installer, mais le fichier quitte votre PC

Les sites qui convertissent un PDF en Markdown ne demandent aucune installation et fonctionnent dans n’importe quel navigateur. Cela convient pour un document isolé que vous partageriez publiquement de toute façon.

La contrepartie, c’est le contrôle. Le PDF part sur le serveur d’une autre entreprise, et la durée de conservation, les personnes qui y ont accès et la présence ou non d’OCR pour les scans dépendent de ce service. Avant d’envoyer des contrats, des dossiers médicaux ou financiers ou des fichiers clients, lisez la politique de confidentialité du service ou utilisez un outil qui fonctionne sur votre ordinateur.

Les solutions locales sont décrites dans notre guide : Convertir des documents sans les envoyer en ligne.

MD Factory : Docling et Tesseract dans une application Windows

MD Factory est notre produit : lisez cette section en gardant cela à l’esprit. C’est une application Windows du Microsoft Store qui convertit les fichiers PDF, DOCX, PPTX, XLSX, HTML, TXT, EPUB, CSV, EML, FB2 et MOBI en Markdown sur votre PC.

Pour les PDF, MD Factory exécute Docling avec le moteur d’OCR Tesseract. Les autres formats passent par ses propres convertisseurs. Si vous êtes à l’aise avec Python, Docling et Tesseract sont gratuits et assurent l’essentiel de la conversion des PDF. MD Factory y ajoute l’installation et le flux de travail :

• Vous n’installez que l’application. Les modèles de mise en page et de tableaux et les données de langue de l’OCR sont inclus : pas de Python à configurer, rien à télécharger ensuite.
• MD Factory reconnaît les PDF numérisés sur votre PC, avec une détection automatique de l’écriture ou une langue d’OCR de votre choix.
• Vous ajoutez des fichiers ou un dossier entier avec ses sous-dossiers, et la conversion démarre aussitôt.
• Chaque fichier Markdown est enregistré à côté de sa source, avec ses images dans un dossier voisin. L’original reste inchangé.
• Chaque fichier se termine avec l’état Terminé, À vérifier ou Échec. MD Factory indique À vérifier lorsqu’une page a une faible confiance OCR ou aucun texte extrait.

Les bibliothèques font mieux sur quatre points :

• MD Factory n’a ni ligne de commande ni API : il ne peut donc pas s’exécuter dans un script ou un pipeline serveur.
• Il fonctionne uniquement sous Windows 10 22H2 et Windows 11, x64. Les bibliothèques fonctionnent aussi sous macOS et Linux.
• Il convertit sur le CPU et n’utilise pas le GPU. Il traite les PDF un par un et les autres formats en parallèle. Docling, Marker et MinerU peuvent utiliser un GPU NVIDIA.
• Après un essai gratuit de 7 jours, MD Factory s’achète une seule fois. Les bibliothèques sont gratuites.

Lequel choisir

Si vous programmez en Python, essayez d’abord MarkItDown lorsque vos PDF ont une couche de texte et que vous convertissez aussi des fichiers Office ou des pages web. Passez à Docling lorsque vous avez besoin d’OCR local, de tableaux ou du bon ordre de lecture entre les colonnes. Les deux sont gratuits.

Si vous gérez un pipeline à grande échelle, regardez Docling, Marker et MinerU : tous trois convertissent des dossiers entiers et peuvent utiliser des GPU NVIDIA. Testez-les sur un échantillon de vos propres documents et, pour un usage commercial, vérifiez la licence des modèles de Marker et les seuils de MinerU.

Si vous êtes sous Windows et ne voulez rien configurer, MD Factory convertit fichiers et dossiers, scans compris, sans ligne de commande, après un essai gratuit de 7 jours. Si vous avez la source Word ou EPUB et que la ligne de commande ne vous gêne pas, Pandoc est gratuit.

Si vos documents sont confidentiels, choisissez un outil qui fonctionne en local et évitez les convertisseurs en ligne. Dans les bibliothèques, vérifiez les options qui envoient des données hors de votre ordinateur : les réglages Azure et LLM de MarkItDown, le mode LLM de Marker, le traitement à distance et la télémétrie de MinerU. MD Factory traite les fichiers sur votre PC.

Quel que soit l’outil choisi, comparez quelques pages du Markdown avec l’original, surtout les tableaux, les pages en plusieurs colonnes et les scans.

Guides associés : préparer des PDF pour le RAG, convertir des PDF numérisés en Markdown.