Docling rend les PDFs exploitables pour l’IA : pourquoi la mise en page fait partie du savoir

À gauche figure le matériel du cours de base, à droite le matériel supplémentaire du cours avancé. Après l’extraction du texte, les mots alternent ligne par ligne entre les deux colonnes. Tous les termes sont présents, mais les instructions ne sont plus correctes. C’est précisément pour cette raison que la mise en page fait partie du savoir dans le traitement de documents.

Docling prépare les documents en vue de leur traitement ultérieur. Les options avancées officielles décrivent également une utilisation locale avec des artefacts de modèle préparés. La FAQ ajoute des prérequis pour un fonctionnement hors ligne. Un export complet doit faire davantage que livrer le plus de mots possible.

Un document de référence avec trois relations connues

Construisez d’abord un petit document personnel. Il contient deux colonnes avec des types de cours différents, un tableau avec un en-tête commun et une restriction sous le tableau. Comme vous concevez vous-même l’original, vous pouvez décrire ses relations avant le traitement.

Le modèle HTML suivant, rédigé par nos soins, peut être ouvert dans le navigateur et produit en PDF via la fonction d’impression. Il s’agit d’un document pédagogique, et non d’une prétendue sortie d’analyseur. Vous devriez examiner le rendu d’impression réel avant le test.

<!doctype html>
<meta charset="utf-8">
<style>
.spalten { display: grid; grid-template-columns: 1fr 1fr; gap: 24px; }
table { border-collapse: collapse; margin-top: 24px; }
th, td { border: 1px solid; padding: 8px; }
</style>
<section class="spalten">
  <div><h2>Basic course</h2><p>Four folders and two pens.</p></div>
  <div><h2>Advanced course</h2><p>Additionally, two exercise books.</p></div>
</section>
<table>
  <tr><th colspan="2">Material per group</th></tr>
  <tr><th>Item</th><th>Quantity</th></tr>
  <tr><td>Folders</td><td>4</td></tr>
</table>
<p>Open sealed packages only after approval.</p>

Notez la structure cible : le matériel du cours de base reste groupé. « Additionally » se rapporte au cours avancé. Le nombre quatre appartient à la ligne « Folders » du tableau. La condition d’approbation reste accessible en tant que restriction. Cette liste décrit le sens, et pas seulement l’ordre des caractères individuels.

Séparer la préparation et le traitement

Une installation existante de Docling peut télécharger des modèles lors de la première utilisation. Pour un test isolé planifié, les artefacts nécessaires doivent être en place au préalable. La documentation indique pour cela un téléchargement ciblé des modèles, suivi de l’indication du chemin préparé.

docling-tools models download
docling --artifacts-path="./vorbereitete-modelle" referenz.pdf

La première commande est une option de téléchargement explicitement destinée à être exécutée à l’avance. Dans le deuxième exemple, vous devez utiliser le chemin réel de l’artefact existant ; le nom de répertoire affiché est un nom d’exemple de notre cru. Ces commandes n’ont pas été exécutées pour cet article. Un téléchargement de modèle et le traitement ultérieur des documents sont des opérations différentes.

Notez également quel pipeline et quelles options vous utilisez réellement. Une application lancée en local peut faire intervenir des services supplémentaires si elle est configurée pour cela. Le fonctionnement hors ligne découle de la configuration préparée, et non du seul nom du programme.

Évaluer l’export par rapport à l’original

Ouvrez un export structuré pris en charge par la version que vous avez choisie et comparez-le à la structure cible. Cherchez d’abord les deux sections de cours. Vérifiez ensuite l’en-tête du tableau et l’attribution du nombre. Enfin, examinez si la condition d’approbation est préservée.

Une sortie longue peut contenir plusieurs fois le même contenu ou perdre des relations. Une sortie plus courte peut être plus utile pour la recherche ultérieure si les titres, les paragraphes et les références au tableau concordent. Le simple volume de texte n’est donc pas une mesure de qualité suffisante.

Pour une deuxième série, ne modifiez qu’une seule caractéristique de mise en page, par exemple l’espacement entre les colonnes. Enregistrez le nouveau fichier PDF séparément. Vous pourrez ainsi relier un changement observé à une condition d’entrée connue, au lieu de comparer une autre exécution de l’analyseur avec un document modifié à votre insu.

Pourquoi l’IA en aval en dépend

Une recherche ou une réponse ne peut travailler qu’avec les informations qui lui sont effectivement fournies. Si deux listes distinctes n’en forment plus qu’une, même un assistant qui formule bien peut reprendre une mauvaise attribution du matériel. Un lien vers la source ne rend pas à lui seul cette structure perdue à nouveau visible.

Le petit test est donc utile avant même un import d’archive volumineux. Sur un document que vous comprenez, vous vérifiez quelles relations votre pipeline préserve et où vous devez retravailler. Docling est une étape de traitement au sein d’une chaîne. La qualité technique se mesure à la possibilité de retracer le sens depuis l’original jusqu’à l’utilisation ultérieure.

Sources et état

Sources au 25 octobre 2026. Options avancées de Docling — utilisation hors ligne · FAQ de Docling — entièrement hors ligne.