opendatalab/MinerU: lecture technique et limites d’usage

Le besoin auquel le dépôt répond avec mineru

Dans opendatalab/MinerU, MinerU est un outil d'analyse de documents qui convertit les fichiers PDF, image, DOCX, PPTX et XLSX en Markdown et JSON lisibles par machine pour la récupération, l'extraction et le traitement en aval. Selon le README, il est né lors du pré-entraînement d'InternLM, où l'équipe devait résoudre des problèmes de conversion de symboles dans la littérature scientifique. Le projet est hébergé sur GitHub sous OpenDataLab et a rassemblé plus de 76 000 étoiles et 6 400 forks au moment de la rédaction. Le README le qualifie de moteur d'analyse haute précision pour les flux de travail LLM, RAG et Agent, mais note également qu'il est encore jeune par rapport aux produits commerciaux, et encourage les utilisateurs à soumettre des issues avec des fichiers d'exemple lorsque les résultats ne sont pas conformes aux attentes. Le site de documentation du projet et une version web sans installation sont liés depuis le README, ainsi que des canaux communautaires Discord et WeChat. Le repère mineru donne un point d'observation concret: il relie la promesse du dépôt à un fichier, une commande ou une notion que l'on peut retrouver dans l'arborescence. Cette précision compte, car une capacité annoncée n'est pas une garantie pour toutes les entrées. Il faut regarder le format accepté, la sortie produite et les dépendances réellement mobilisées. Pour opendatalab/MinerU, cette lecture permet de distinguer le périmètre documenté d'une extrapolation éditoriale. Elle intéresse une équipe qui veut intégrer un composant précis, mais elle sera moins utile à quelqu'un qui cherche une solution sans contrainte technique.

Dans opendatalab/MinerU, L'analyseur accepte les entrées PDF, images, DOCX, PPTX et XLSX. Il supprime les en-têtes, pieds de page, notes de bas de page et numéros de page pour maintenir la cohérence sémantique, et produit un texte dans l'ordre de lecture humain pour les mises en page simple colonne, multi-colonnes et complexes. Il préserve la structure du document telle que les titres, paragraphes et listes, et extrait les images, descriptions d'images, tableaux, titres de tableaux et notes de bas de page. Les formules sont automatiquement converties en LaTeX et les tableaux en HTML. Le moteur OCR détecte automatiquement les PDF numérisés et corrompus et prend en charge la reconnaissance de 109 langues. Les formats de sortie incluent le Markdown multimodal et NLP, le JSON trié par ordre de lecture, et des formats intermédiaires riches. Le README mentionne également des options de visualisation comme les vues de mise en page et de portée pour confirmer la qualité de sortie. Le repère PDF donne un point d'observation concret: il relie la promesse du dépôt à un fichier, une commande ou une notion que l'on peut retrouver dans l'arborescence. Cette précision compte, car une capacité annoncée n'est pas une garantie pour toutes les entrées. Il faut regarder le format accepté, la sortie produite et les dépendances réellement mobilisées. Pour opendatalab/MinerU, cette lecture permet de distinguer le périmètre documenté d'une extrapolation éditoriale. Elle intéresse une équipe qui veut intégrer un composant précis, mais elle sera moins utile à quelqu'un qui cherche une solution sans contrainte technique.

Les éléments qui structurent le projet avec magic-pdf.json

Dans opendatalab/MinerU, L'analyseur accepte les entrées PDF, images, DOCX, PPTX et XLSX. Il supprime les en-têtes, pieds de page, notes de bas de page et numéros de page pour maintenir la cohérence sémantique, et produit un texte dans l'ordre de lecture humain pour les mises en page simple colonne, multi-colonnes et complexes. Il préserve la structure du document telle que les titres, paragraphes et listes, et extrait les images, descriptions d'images, tableaux, titres de tableaux et notes de bas de page. Les formules sont automatiquement converties en LaTeX et les tableaux en HTML. Le moteur OCR détecte automatiquement les PDF numérisés et corrompus et prend en charge la reconnaissance de 109 langues. Les formats de sortie incluent le Markdown multimodal et NLP, le JSON trié par ordre de lecture, et des formats intermédiaires riches. Le README mentionne également des options de visualisation comme les vues de mise en page et de portée pour confirmer la qualité de sortie. Le repère magic-pdf.json donne un point d'observation concret: il relie la promesse du dépôt à un fichier, une commande ou une notion que l'on peut retrouver dans l'arborescence. Cette précision compte, car une capacité annoncée n'est pas une garantie pour toutes les entrées. Il faut regarder le format accepté, la sortie produite et les dépendances réellement mobilisées. Pour opendatalab/MinerU, cette lecture permet de distinguer le périmètre documenté d'une extrapolation éditoriale. Elle intéresse une équipe qui veut intégrer un composant précis, mais elle sera moins utile à quelqu'un qui cherche une solution sans contrainte technique.

Dans opendatalab/MinerU, MinerU propose trois backends d'inférence : pipeline, vlm-engine et hybrid-engine. Le backend pipeline est décrit comme rapide et stable, sans hallucination, et peut fonctionner sur CPU ou GPU avec un minimum de 4 Go de VRAM. Les moteurs vlm et hybrid nécessitent au moins 8 Go de VRAM et visent une précision supérieure, hybrid offrant un niveau d'effort moyen qui échange une petite différence de précision contre de la vitesse. Le README rapporte des scores globaux OmniDocBench v1.6 de 86,47 pour pipeline, et 95,39 (high) ou 95,26 (medium) pour les moteurs hybrid et vlm. Le support CPU pur n'est disponible que pour pipeline et les variantes http-client, qui se connectent à des serveurs compatibles OpenAI. Linux, Windows et macOS sont pris en charge, avec des notes de version spécifiques : Linux à partir de 2019, Windows avec Python 3.10-3.12 en raison de la dépendance ray, et macOS 14.0 ou ultérieur. Les exigences de RAM commencent à 16 Go pour la plupart des backends. Les backends http-client nécessitent seulement 2 Go de VRAM et prennent également en charge le CPU pur. Le repère Markdown donne un point d'observation concret: il relie la promesse du dépôt à un fichier, une commande ou une notion que l'on peut retrouver dans l'arborescence. Cette précision compte, car une capacité annoncée n'est pas une garantie pour toutes les entrées. Il faut regarder le format accepté, la sortie produite et les dépendances réellement mobilisées. Pour opendatalab/MinerU, cette lecture permet de distinguer le périmètre documenté d'une extrapolation éditoriale. Elle intéresse une équipe qui veut intégrer un composant précis, mais elle sera moins utile à quelqu'un qui cherche une solution sans contrainte technique.

Ce que les fichiers permettent d’observer avec PDF

Dans opendatalab/MinerU, MinerU propose trois backends d'inférence : pipeline, vlm-engine et hybrid-engine. Le backend pipeline est décrit comme rapide et stable, sans hallucination, et peut fonctionner sur CPU ou GPU avec un minimum de 4 Go de VRAM. Les moteurs vlm et hybrid nécessitent au moins 8 Go de VRAM et visent une précision supérieure, hybrid offrant un niveau d'effort moyen qui échange une petite différence de précision contre de la vitesse. Le README rapporte des scores globaux OmniDocBench v1.6 de 86,47 pour pipeline, et 95,39 (high) ou 95,26 (medium) pour les moteurs hybrid et vlm. Le support CPU pur n'est disponible que pour pipeline et les variantes http-client, qui se connectent à des serveurs compatibles OpenAI. Linux, Windows et macOS sont pris en charge, avec des notes de version spécifiques : Linux à partir de 2019, Windows avec Python 3.10-3.12 en raison de la dépendance ray, et macOS 14.0 ou ultérieur. Les exigences de RAM commencent à 16 Go pour la plupart des backends. Les backends http-client nécessitent seulement 2 Go de VRAM et prennent également en charge le CPU pur. Le repère PDF donne un point d'observation concret: il relie la promesse du dépôt à un fichier, une commande ou une notion que l'on peut retrouver dans l'arborescence. Cette précision compte, car une capacité annoncée n'est pas une garantie pour toutes les entrées. Il faut regarder le format accepté, la sortie produite et les dépendances réellement mobilisées. Pour opendatalab/MinerU, cette lecture permet de distinguer le périmètre documenté d'une extrapolation éditoriale. Elle intéresse une équipe qui veut intégrer un composant précis, mais elle sera moins utile à quelqu'un qui cherche une solution sans contrainte technique.

Dans opendatalab/MinerU, Le README recommande d'essayer la démo en ligne avant le déploiement local. La version web officielle et une démo Gradio sont disponibles sur Modelscope et Hugging Face. Pour l'installation locale, le chemin documenté utilise pip et uv : mettre à niveau pip, installer uv, puis exécuter `uv pip install -U "mineru[all]"`. L'installation à partir des sources suit le `git clone` habituel puis `uv pip install -e .[all]`. Le déploiement Docker est également documenté pour Linux et Windows avec WSL2. Une fois installé, la ligne de commande est `mineru -p <input_path> -o <output_path>`, et pour un CPU pur, vous ajoutez `-b pipeline`. Le README liste CLI, API, WebUI et `mineru-router` comme interfaces prises en charge, avec des détails d'utilisation sur le site de documentation. Il note également que la commande `mineru` fonctionne comme un client d'orchestration basé sur `mineru-api` et démarre automatiquement un service temporaire local lorsqu'aucune URL API n'est fournie. Le repère JSON donne un point d'observation concret: il relie la promesse du dépôt à un fichier, une commande ou une notion que l'on peut retrouver dans l'arborescence. Cette précision compte, car une capacité annoncée n'est pas une garantie pour toutes les entrées. Il faut regarder le format accepté, la sortie produite et les dépendances réellement mobilisées. Pour opendatalab/MinerU, cette lecture permet de distinguer le périmètre documenté d'une extrapolation éditoriale. Elle intéresse une équipe qui veut intégrer un composant précis, mais elle sera moins utile à quelqu'un qui cherche une solution sans contrainte technique.

Les limites qui pèsent sur l’usage avec Markdown

Dans opendatalab/MinerU, Le README recommande d'essayer la démo en ligne avant le déploiement local. La version web officielle et une démo Gradio sont disponibles sur Modelscope et Hugging Face. Pour l'installation locale, le chemin documenté utilise pip et uv : mettre à niveau pip, installer uv, puis exécuter `uv pip install -U "mineru[all]"`. L'installation à partir des sources suit le `git clone` habituel puis `uv pip install -e .[all]`. Le déploiement Docker est également documenté pour Linux et Windows avec WSL2. Une fois installé, la ligne de commande est `mineru -p <input_path> -o <output_path>`, et pour un CPU pur, vous ajoutez `-b pipeline`. Le README liste CLI, API, WebUI et `mineru-router` comme interfaces prises en charge, avec des détails d'utilisation sur le site de documentation. Il note également que la commande `mineru` fonctionne comme un client d'orchestration basé sur `mineru-api` et démarre automatiquement un service temporaire local lorsqu'aucune URL API n'est fournie. Le repère Markdown donne un point d'observation concret: il relie la promesse du dépôt à un fichier, une commande ou une notion que l'on peut retrouver dans l'arborescence. Cette précision compte, car une capacité annoncée n'est pas une garantie pour toutes les entrées. Il faut regarder le format accepté, la sortie produite et les dépendances réellement mobilisées. Pour opendatalab/MinerU, cette lecture permet de distinguer le périmètre documenté d'une extrapolation éditoriale. Elle intéresse une équipe qui veut intégrer un composant précis, mais elle sera moins utile à quelqu'un qui cherche une solution sans contrainte technique.

Dans opendatalab/MinerU, Le journal des modifications dans le README couvre quatre versions récentes. La version 3.4, de juin 2026, met à niveau le modèle OCR du backend pipeline vers PP-OCRv6, rapporte une amélioration de précision d'environ 11% sur OmniDocBench v1.6 et double à peu près la vitesse de traitement OCR. Elle ajoute également la sélection automatique de la source du modèle et la réutilisation du cache local. La version 3.3 introduit un paramètre d'effort pour le backend hybrid, avec les niveaux medium et high, et met à niveau le modèle VLM vers MinerU2.5-Pro-2605-1.2B. La version 3.1.0 ajoute l'analyse native PPTX et XLSX et déplace la licence vers la version personnalisée actuelle. La version 3.0.0 a ajouté l'analyse native DOCX, un nouveau point de terminaison API asynchrone et un routeur pour la distribution de tâches multi-GPU. Cette version a également introduit un mécanisme de fenêtre glissante pour réduire l'utilisation de la mémoire de pointe pour les documents longs, et des écritures en streaming sur disque pour l'inférence par lots. Le README mentionne la suppression de deux modèles AGPLv3 et d'un modèle CC-BY-NC-SA 4.0. Le repère VLM donne un point d'observation concret: il relie la promesse du dépôt à un fichier, une commande ou une notion que l'on peut retrouver dans l'arborescence. Cette précision compte, car une capacité annoncée n'est pas une garantie pour toutes les entrées. Il faut regarder le format accepté, la sortie produite et les dépendances réellement mobilisées. Pour opendatalab/MinerU, cette lecture permet de distinguer le périmètre documenté d'une extrapolation éditoriale. Elle intéresse une équipe qui veut intégrer un composant précis, mais elle sera moins utile à quelqu'un qui cherche une solution sans contrainte technique.

Un parcours de vérification propre au projet avec JSON

Dans opendatalab/MinerU, Le journal des modifications dans le README couvre quatre versions récentes. La version 3.4, de juin 2026, met à niveau le modèle OCR du backend pipeline vers PP-OCRv6, rapporte une amélioration de précision d'environ 11% sur OmniDocBench v1.6 et double à peu près la vitesse de traitement OCR. Elle ajoute également la sélection automatique de la source du modèle et la réutilisation du cache local. La version 3.3 introduit un paramètre d'effort pour le backend hybrid, avec les niveaux medium et high, et met à niveau le modèle VLM vers MinerU2.5-Pro-2605-1.2B. La version 3.1.0 ajoute l'analyse native PPTX et XLSX et déplace la licence vers la version personnalisée actuelle. La version 3.0.0 a ajouté l'analyse native DOCX, un nouveau point de terminaison API asynchrone et un routeur pour la distribution de tâches multi-GPU. Cette version a également introduit un mécanisme de fenêtre glissante pour réduire l'utilisation de la mémoire de pointe pour les documents longs, et des écritures en streaming sur disque pour l'inférence par lots. Le README mentionne la suppression de deux modèles AGPLv3 et d'un modèle CC-BY-NC-SA 4.0. Le repère JSON donne un point d'observation concret: il relie la promesse du dépôt à un fichier, une commande ou une notion que l'on peut retrouver dans l'arborescence. Cette précision compte, car une capacité annoncée n'est pas une garantie pour toutes les entrées. Il faut regarder le format accepté, la sortie produite et les dépendances réellement mobilisées. Pour opendatalab/MinerU, cette lecture permet de distinguer le périmètre documenté d'une extrapolation éditoriale. Elle intéresse une équipe qui veut intégrer un composant précis, mais elle sera moins utile à quelqu'un qui cherche une solution sans contrainte technique.

Dans opendatalab/MinerU, Le dépôt est sous licence personnalisée basée sur Apache 2.0 avec des conditions supplémentaires. L'extrait de licence indique que l'utilisation commerciale est autorisée sans licence séparée, mais si vous et vos affiliés dépassez 100 millions d'utilisateurs actifs mensuels ou 20 millions de dollars de revenus mensuels, vous devez obtenir une licence commerciale. Si vous fournissez des services en ligne basés sur MinerU, vous devez attribuer MinerU de manière claire et visible dans l'interface du produit ou dans la documentation publique. Le non-respect de l'une ou l'autre condition entraîne la résiliation automatique de la licence. La licence ne mentionne ni garantie, ni sécurité, ni support ; le README ne fournit pas non plus ces garanties. Le texte complet est disponible dans le fichier LICENSE.md du dépôt. Le repère mineru donne un point d'observation concret: il relie la promesse du dépôt à un fichier, une commande ou une notion que l'on peut retrouver dans l'arborescence. Cette précision compte, car une capacité annoncée n'est pas une garantie pour toutes les entrées. Il faut regarder le format accepté, la sortie produite et les dépendances réellement mobilisées. Pour opendatalab/MinerU, cette lecture permet de distinguer le périmètre documenté d'une extrapolation éditoriale. Elle intéresse une équipe qui veut intégrer un composant précis, mais elle sera moins utile à quelqu'un qui cherche une solution sans contrainte technique.

Le profil d’équipe auquel le projet correspond avec VLM

Dans opendatalab/MinerU, Le dépôt est sous licence personnalisée basée sur Apache 2.0 avec des conditions supplémentaires. L'extrait de licence indique que l'utilisation commerciale est autorisée sans licence séparée, mais si vous et vos affiliés dépassez 100 millions d'utilisateurs actifs mensuels ou 20 millions de dollars de revenus mensuels, vous devez obtenir une licence commerciale. Si vous fournissez des services en ligne basés sur MinerU, vous devez attribuer MinerU de manière claire et visible dans l'interface du produit ou dans la documentation publique. Le non-respect de l'une ou l'autre condition entraîne la résiliation automatique de la licence. La licence ne mentionne ni garantie, ni sécurité, ni support ; le README ne fournit pas non plus ces garanties. Le texte complet est disponible dans le fichier LICENSE.md du dépôt. Le repère VLM donne un point d'observation concret: il relie la promesse du dépôt à un fichier, une commande ou une notion que l'on peut retrouver dans l'arborescence. Cette précision compte, car une capacité annoncée n'est pas une garantie pour toutes les entrées. Il faut regarder le format accepté, la sortie produite et les dépendances réellement mobilisées. Pour opendatalab/MinerU, cette lecture permet de distinguer le périmètre documenté d'une extrapolation éditoriale. Elle intéresse une équipe qui veut intégrer un composant précis, mais elle sera moins utile à quelqu'un qui cherche une solution sans contrainte technique.

Dans opendatalab/MinerU, MinerU est un outil d'analyse de documents qui convertit les fichiers PDF, image, DOCX, PPTX et XLSX en Markdown et JSON lisibles par machine pour la récupération, l'extraction et le traitement en aval. Selon le README, il est né lors du pré-entraînement d'InternLM, où l'équipe devait résoudre des problèmes de conversion de symboles dans la littérature scientifique. Le projet est hébergé sur GitHub sous OpenDataLab et a rassemblé plus de 76 000 étoiles et 6 400 forks au moment de la rédaction. Le README le qualifie de moteur d'analyse haute précision pour les flux de travail LLM, RAG et Agent, mais note également qu'il est encore jeune par rapport aux produits commerciaux, et encourage les utilisateurs à soumettre des issues avec des fichiers d'exemple lorsque les résultats ne sont pas conformes aux attentes. Le site de documentation du projet et une version web sans installation sont liés depuis le README, ainsi que des canaux communautaires Discord et WeChat. Le repère magic-pdf.json donne un point d'observation concret: il relie la promesse du dépôt à un fichier, une commande ou une notion que l'on peut retrouver dans l'arborescence. Cette précision compte, car une capacité annoncée n'est pas une garantie pour toutes les entrées. Il faut regarder le format accepté, la sortie produite et les dépendances réellement mobilisées. Pour opendatalab/MinerU, cette lecture permet de distinguer le périmètre documenté d'une extrapolation éditoriale. Elle intéresse une équipe qui veut intégrer un composant précis, mais elle sera moins utile à quelqu'un qui cherche une solution sans contrainte technique.

Conclusion éditoriale

MinerU convient aux équipes dont le besoin correspond à transforms complex documents like pdfs and office docs into llm-ready markdown/json for your agentic workflows. et qui peuvent utiliser mineru. Il convient moins à un environnement incompatible avec les versions ou les services indiqués par le dépôt. Commencez par consulter mineru dans MinerU, observez magic-pdf.json et comparez la sortie obtenue avec l’exemple documenté avant de décider.

Sources officielles

1. Official documentation
2. Official README
3. Project repository
4. Release notes