---
title: "API PDF vers Markdown pour le RAG · conversion de documents UE"
description: "Convertissez vos fichiers PDF, Word, PowerPoint et Excel en Markdown propre pour le RAG et les prompts. Tableaux, titres et scans, traités dans l'UE."
canonical: "https://inference.eu/fr/api/document-conversion/"
language: "fr"
---

POST /v1/documents/convert

# API de conversion de documents : PDF et Office en Markdown, dans l'UE

L'essentiel du savoir d'une entreprise dort dans des PDF, des documents Word, des présentations et des tableurs, alors que les modèles de langage travaillent mieux sur du texte propre. Le point de terminaison de conversion transforme ces fichiers en Markdown qui conserve titres, listes et tableaux, prêt à être découpé pour la recherche ou inséré dans un prompt. Contrats et rapports internes, souvent vos fichiers les plus sensibles, sont convertis dans des centres de données européens.

[Contacter l'équipe](https://inference.eu/fr/contact/)[Exemple de requête](#example)

1.  01Format d'API: OpenAI
2.  02Centres de données dans l'UE
3.  03Couvert par un seul DPA

POST /v1/documents/convert

```
curl https://api.inference.eu/v1/documents/convert \
  -H "Authorization: Bearer $INFERENCE_EU_API_KEY" \
  -F file="@rahmenvertrag-2026.pdf" \
  -F output_format="markdown" \
  -F ocr="auto"

# {
#   "object": "document",
#   "filename": "rahmenvertrag-2026.pdf",
#   "pages": 14,
#   "output_format": "markdown",
#   "content": "# Rahmenvertrag\n\n## § 1 Vertragsgegenstand\n\n..."
# }
```

## Ce que fait le point de terminaison

`POST /v1/documents/convert` reçoit un fichier en `multipart/form-data` et renvoie son contenu sous forme de texte. Placez le fichier dans `file` et choisissez `output_format` : `markdown` conserve la structure (titres, articles numérotés, listes, tableaux), tandis que `text` renvoie du texte brut sans balisage. La réponse contient le `filename`, le nombre de `pages` et le `content` converti.

Les formats pris en charge comprennent le PDF, Word (`.docx`), PowerPoint (`.pptx`), Excel (`.xlsx`), le HTML et les formats d'image courants. Les PDF nativement numériques sont lus directement, vite et sans perte. Les pages scannées et les photos de documents passent par une reconnaissance optique de caractères.

## Les champs essentiels de la requête

`ocr` pilote la reconnaissance de texte. `auto`, la valeur par défaut, repère les pages sans couche texte et les reconnaît, tout en conservant le texte numérique tel quel. `force` relance la reconnaissance sur chaque page, utile pour les PDF dont le texte intégré est corrompu. `off` la désactive, ce qui est le plus rapide si vous savez que vos fichiers sont numériques.

Les tableaux deviennent des tableaux Markdown, pour que lignes et colonnes restent alignées aux yeux du modèle. Les en-têtes, pieds de page et numéros de page répétés sur chaque page sont retirés lorsqu'ils sont détectables, car ils parasitent la recherche. Un tableur donne un tableau par feuille, une présentation une section par diapositive, avec son titre.

## Un schéma éprouvé pour le RAG

Un pipeline de recherche commence ici. Convertissez chaque document en Markdown, puis découpez-le selon ses titres plutôt qu'à nombre fixe de caractères, pour que chaque morceau forme un tout : une clause de contrat, un paragraphe de politique interne, une diapositive. Conservez le chemin des titres et le numéro de page en métadonnées pour que les réponses citent leur source.

Vectorisez les morceaux avec un modèle d'embeddings, stockez-les dans votre base vectorielle et reclassez les résultats au moment de la requête. Pour une tâche d'extraction, envoyez plutôt le Markdown à un modèle de chat avec un schéma JSON. Convertir une fois et conserver le Markdown revient moins cher que reconvertir le même fichier à chaque question.

## Erreurs et cas particuliers

Un fichier protégé par mot de passe ou chiffré ne peut pas être lu et renvoie une erreur 400 : retirez la protection au préalable. Les fichiers corrompus et les formats non pris en charge renvoient aussi un 400 qui précise le problème. Au-delà de la taille maximale, l'API renvoie un 413 ; la limite dépend de votre offre et nous vous la confirmons.

Les mises en page très complexes, comme les lettres d'information en colonnes, les tableaux imbriqués ou le texte dans des schémas, peuvent sortir dans un ordre inattendu. Contrôlez un échantillon de chaque source avant de tout indexer. L'écriture manuscrite et les scans de mauvaise qualité dégradent la reconnaissance ; pour ces pages, envoyez aussi l'image à un modèle de vision.

## Document conversion

Endpoint

POST /v1/documents/convert

Catégorie

Outils

Format d'API

OpenAI

Base URL

api.inference.eu/v1

Traitement

Centres de données dans l'UE

Entraînement sur vos données

Jamais

## Document conversion : questions fréquentes

Les questions que nous posent le plus les achats, les développeurs et les juristes. Il en manque une ? Posez-la-nous directement.

Envoyez le PDF à \`POST /v1/documents/convert\` avec \`output\_format\` réglé sur \`markdown\`. La réponse contient le document en Markdown, titres, listes et tableaux compris. Découpez-le selon ses titres pour les embeddings, ou insérez-le directement dans un prompt s'il tient dans la fenêtre de contexte du modèle.

PDF, Word (\`.docx\`), PowerPoint (\`.pptx\`), Excel (\`.xlsx\`), HTML et les formats d'image courants comme PNG et JPEG. Les anciens formats Office binaires comme \`.doc\` donnent de meilleurs résultats une fois réenregistrés au format actuel. Si vous avez besoin d'un autre format pour une grosse archive, dites-le-nous.

Oui. Avec \`ocr\` sur \`auto\`, les pages sans couche texte passent par la reconnaissance optique de caractères, et les pages numériques sont lues directement. Utilisez \`force\` si un PDF contient une couche texte défectueuse. La qualité dépend de la résolution du scan et de la qualité d'impression.

Oui. Les tableaux sont convertis en tableaux Markdown : lignes et colonnes restent alignées et lisibles par un modèle. Les cellules fusionnées et les tableaux imbriqués sont simplifiés. Dans un tableur, chaque feuille devient un tableau distinct, avec le nom de la feuille en titre.

Le Markdown garde la structure qui donne son sens au texte : quelle ligne est un titre, quels éléments forment une liste, quel chiffre se trouve dans quelle colonne. Cela facilite un découpage cohérent et aide les modèles à répondre juste. Le texte brut perd cette structure, mais suffit pour une recherche plein texte simple.

Non. Les fichiers sont traités dans des centres de données de l'UE pour produire le texte, renvoyé dans la réponse, puis ne sont pas conservés ni utilisés pour entraîner des modèles. Stockez le Markdown dans vos propres systèmes si vous en avez de nouveau besoin.

La taille maximale et le nombre de pages par requête dépendent de votre offre, et nous vous les confirmons. Pour un très gros document, découpez le fichier avant conversion. Pour une archive de milliers de fichiers, lancez les conversions depuis une file d'attente avec reprises.

Oui. Le texte numérique est repris tel quel dans toutes les langues, accents, trémas et caractères spéciaux compris. La reconnaissance de texte des scans prend en charge toutes les grandes langues européennes. Vérifiez quelques échantillons scannés par langue avant de convertir une grosse archive.

[Poser une question](https://inference.eu/fr/contact/)

## Pages liées

[Présentation de l'API](https://inference.eu/fr/api/)

-   [EmbeddingsTransformez du texte en vecteurs pour la recherche, le RAG et le clustering avec une API d'embeddings compatible OpenAI, traitée dans des centres de l'UE.Endpoints](https://inference.eu/fr/api/embeddings/)
-   [RerankReclassez vos résultats de recherche par pertinence avec une API rerank pour le RAG. Modèles comme bge-reranker-v2-m3, traités dans des centres de l'UE.Endpoints](https://inference.eu/fr/api/rerank/)
-   [Structured outputsObtenez des modèles ouverts un JSON valide conforme à votre schéma grâce aux sorties structurées compatibles OpenAI. Mode JSON, json\_schema, strict, pièges.Guides](https://inference.eu/fr/api/structured-outputs/)
-   [VisionEnvoyez des images à des modèles de vision ouverts au format chat d'OpenAI. Tickets, captures d'écran, formulaires et photos, traités dans l'UE.Guides](https://inference.eu/fr/api/vision/)

## Faites passer vos charges IA sur une infrastructure européenne

Dites-nous quels modèles vous utilisez et votre volume approximatif. Nous répondons sous un jour ouvré avec un tarif et la suite.

-   Réponse sous un jour ouvré
-   Tarif adapté à votre volume
-   DPA prêt à signer