Convertissez des documents complexes en données structurées pour les modèles de langage.
Outils ETL et de pré-traitement open source pour l'ingestion de documents complexes dans des LLM et des vector stores.
Unstructured est une bibliothèque ETL open source qui ingère des fichiers tels que des PDF, des documents Word et des images, les transformant en formats propres et structurés. Elle convient aux professionnels de la conformité et de la GRC qui ont besoin d'analyser une documentation d'entreprise complexe pour des flux de travail de machine learning en aval.
La bibliothèque fournit des fonctions modulaires d'analyse, de partitionnement, de découpage et d'embedding pour plus de 60 formats de fichiers. Elle prend en charge l'intégration avec des agents LLM via un serveur MCP et gère des documents multi-modaux lourds via des environnements Python conteneurisés ou locaux.
Elle convient aux ingénieurs de données et aux responsables de la conformité technique qui construisent des pipelines d'ingestion de documents automatisés pour les LLM. Elle ne convient pas au personnel de conformité non technique qui a besoin d'une interface utilisateur standard pointer-cliquer sans code ni interactions de terminal.
Analysez des PDF, des documents Word, des e-mails et des images pour en faire des sorties structurées propres.
Apportez le traitement de documents directement à vos agents via le Model Context Protocol.
Installez via PyPI avec des suppléments sélectifs ou exécutez entièrement à l'intérieur d'un conteneur Docker.
Gérez les dépendances localement à l'aide de uv et des cibles de développement Makefile.
La bibliothèque est gratuite et open source sous sa licence, le seul coût étant votre propre infrastructure de calcul et d'hébergement. Unstructured propose également un produit de plateforme d'entreprise payant pour les flux de travail de production et une interface utilisateur low-code.
877 missions ouvertes à distance en entraînement d’IA, mises à jour le 16 novembre 2026 ; la plupart paient $20–$175 de l’heure. 8 d’entre elles demandent des francophones. Zekai les liste gratuitement ; la candidature se fait sur la plateforme de l’employeur.
Il prend en charge plus de 60 types de fichiers, y compris les PDF, HTML, XML, JSON, e-mails, documents MS Office et divers formats d'image.
Oui, vous pouvez extraire des images Docker multi-plateformes directement ou construire la vôtre en utilisant le Makefile et le Dockerfile fournis.
Voir Zekai en premier dans Google