RAGatm Open

Formats de documents

Tous les formats identifiés dans le code de l’édition Open, avec leur statut réel dans le profil Compact tel que publié. Un format accepté à l’import n’est pas forcément extrait ; un extracteur présent n’est pas forcément activé.

Périmètre : dépôt ragatm-open, branche main, vérifié le 11 novembre 2026. Les statuts décrivent le profil Compact publié ; les colonnes « capacités » décrivent ce que l’extracteur produit quand il est activé.

Quatre portes, pas une

Un fichier doit franchir quatre étapes indépendantes avant d’alimenter une réponse.

  1. Reconnaissance à l’import

    L’interface propose les extensions annoncées par le serveur (point d’API capabilities).

  2. Acceptation par le backend

    Le contenu est identifié par sa signature binaire ; l’extension et le type déclaré ne suffisent jamais pour un fichier binaire. Les fichiers à macros, les formats Office 97-2003, OpenDocument et les archives sont refusés avec un code explicite.

  3. Extracteur présent

    Quinze extracteurs sont enregistrés (texte, Markdown, DOCX, CSV, HTML, PDF, image, Excel, PPTX, XML, DXF, IFC, DWG, EML, audio).

  4. Activation

    Des drapeaux d’environnement et des options de construction d’image décident de ce qui fonctionne réellement : le profil Compact est construit sans OCR, IFC, DWG ni audio.

Statuts

Disponible par défaut
Fonctionne dans le profil Compact sans réglage supplémentaire.
Disponible avec configuration
Présent dans le code publié ; nécessite un réglage ou une variable d’environnement.
Module optionnel
Nécessite un composant ou une dépendance optionnelle non inclus par défaut.
Expérimental
Présent mais non stabilisé ; comportement susceptible de changer.
Non activé
Présent dans le code mais désactivé dans les images Compact publiées.
Non disponible
Absent de l’édition Open.
Non qualifié
Présent mais non couvert par une campagne de qualification.

Catalogue

Recherchez un format ou filtrez par famille et par statut. Le tableau est complet sans JavaScript ; les filtres sont une aide.

Extraction : T texte · Tb tableaux · I images · O OCR · L mise en page · G géométrie · M métadonnées. Plein = oui, cerclé = partiel, vide = non.

FormatFamilleStatutExtractionDrapeau / dépendanceDétails
Excel (.xlsx)
.xlsx		BureautiqueDisponible par défaut
DOCUMENT_EXCEL_ENABLED
openpyxl (shipped)
Détails
Limites
Ingestion documentaire uniquement : cellules rendues par fenêtres (40 lignes) avec provenance feuille/plage ; aucun calcul ni évaluation de formule. Limites : 1 000 000 cellules, 100 feuilles, 256 colonnes. Images ignorées.
Prérequis
Pile Compact telle que publiée (backend + worker Celery) ; aucun argument de construction supplémentaire.
Import / backend / extracteur / activé
Oui / Oui / Oui / Oui
Pipeline (découpage, embeddings, recherche, citations)
Oui / Oui / Oui / Oui
Tests
Tests unitaires présents dans le dépôt ; format absent du corpus de qualification Compact.
Sources
Dernière vérification
11 novembre 2026
PowerPoint (.pptx)
.pptx		BureautiqueDisponible par défaut
DOCUMENT_PPTX_ENABLED
python-pptx (shipped)
Détails
Limites
Une unité par diapositive (citations par numéro de diapositive). Tableaux rendus en Markdown. Images : seul le texte alternatif saisi par l’auteur est indexé, jamais d’OCR. Notes du présentateur désactivées par défaut. Limite 500 diapositives.
Prérequis
Pile Compact telle que publiée (backend + worker Celery) ; aucun argument de construction supplémentaire.
Import / backend / extracteur / activé
Oui / Oui / Oui / Oui
Pipeline (découpage, embeddings, recherche, citations)
Oui / Oui / Oui / Oui
Tests
Tests unitaires présents dans le dépôt ; format absent du corpus de qualification Compact.
Sources
Dernière vérification
11 novembre 2026
Word (.docx)
.docx		BureautiqueDisponible par défaut
DOCUMENT_OFFICE_CHART_DATA_ENABLED
Détails
Limites
Corps du document uniquement : en-têtes, pieds de page, notes et zones de texte ne sont pas extraits. Tableaux linéarisés. Images intégrées ignorées. Citations sans numéro de page (format non paginé).
Prérequis
Pile Compact telle que publiée (backend + worker Celery) ; aucun argument de construction supplémentaire.
Import / backend / extracteur / activé
Oui / Oui / Oui / Oui
Pipeline (découpage, embeddings, recherche, citations)
Oui / Oui / Oui / Oui
Tests
Tests unitaires présents et format exercé par le corpus de qualification Compact ; résultats détaillés non publiés dans le dépôt.
Sources
Dernière vérification
11 novembre 2026
CSV
.csv, .tsv		Données structuréesDisponible par défaut
TABULAR_QUERY_ENABLED
Détails
Limites
Séparateurs virgule, point-virgule ou tabulation. Limites : 100 000 lignes, 256 colonnes, 10 000 caractères par cellule. Une unité « colonne : valeur » par ligne. Aucun calcul tabulaire par défaut.
Prérequis
Pile Compact telle que publiée (backend + worker Celery) ; aucun argument de construction supplémentaire.
Import / backend / extracteur / activé
Oui / Oui / Oui / Oui
Pipeline (découpage, embeddings, recherche, citations)
Oui / Oui / Oui / Oui
Tests
Tests unitaires présents dans le dépôt ; format absent du corpus de qualification Compact.
Sources
Dernière vérification
11 novembre 2026
HTML
.html, .htm		Documents textuelsDisponible par défaut
—
Détails
Limites
Traité comme hostile : scripts, styles, iframes, SVG et formulaires supprimés ; aucune ressource externe chargée. Lignes de tableau aplaties en texte. Limite 2 000 000 caractères.
Prérequis
Pile Compact telle que publiée (backend + worker Celery) ; aucun argument de construction supplémentaire.
Import / backend / extracteur / activé
Oui / Oui / Oui / Oui
Pipeline (découpage, embeddings, recherche, citations)
Oui / Oui / Oui / Oui
Tests
Tests unitaires présents dans le dépôt ; format absent du corpus de qualification Compact.
Sources
Dernière vérification
11 novembre 2026
Markdown (.md)
.md, .markdown		Documents textuelsDisponible par défaut
—
Détails
Limites
Reconnu par l’extension .md/.markdown uniquement. Titres, listes, tableaux et blocs de code conservés comme blocs typés ; HTML en ligne neutralisé ; liens jamais suivis. Limite 2 000 000 caractères.
Prérequis
Pile Compact telle que publiée (backend + worker Celery) ; aucun argument de construction supplémentaire.
Import / backend / extracteur / activé
Oui / Oui / Oui / Oui
Pipeline (découpage, embeddings, recherche, citations)
Oui / Oui / Oui / Oui
Tests
Tests unitaires présents et format exercé par le corpus de qualification Compact ; résultats détaillés non publiés dans le dépôt.
Sources
Dernière vérification
11 novembre 2026
PDF (couche texte)
.pdf		Documents textuelsDisponible par défaut
DOCUMENT_PDF_NATIVE_FALLBACK_ENABLED
pdfplumber/pdfminer.six (shipped, extra [tables]); PyMuPDF (NOT shipped, AGPL)
Détails
Limites
Moteur pypdf avec repli pdfminer/pdfplumber. 500 pages et 180 s d’extraction au maximum. Tableaux : seuls les types reconnus sont extraits par défaut ; les grilles génériques nécessitent un drapeau et une liste d’espaces autorisés. Images intégrées jamais extraites dans Compact. Les PDF numérisés échouent sans OCR.
Prérequis
Pile Compact telle que publiée (backend + worker Celery) ; aucun argument de construction supplémentaire.
Import / backend / extracteur / activé
Oui / Oui / Oui / Oui
Pipeline (découpage, embeddings, recherche, citations)
Oui / Oui / Oui / Oui
Tests
Tests unitaires présents et format exercé par le corpus de qualification Compact ; résultats détaillés non publiés dans le dépôt.
Sources
Dernière vérification
11 novembre 2026
Texte brut (.txt)
.txt		Documents textuelsDisponible par défaut
—
Détails
Limites
Décodage au mieux (UTF-8, cp1252, latin-1) ; limite 5 000 000 caractères. Les citations n’ont pas de numéro de page.
Prérequis
Pile Compact telle que publiée (backend + worker Celery) ; aucun argument de construction supplémentaire.
Import / backend / extracteur / activé
Oui / Oui / Oui / Oui
Pipeline (découpage, embeddings, recherche, citations)
Oui / Oui / Oui / Oui
Tests
Tests unitaires présents et format exercé par le corpus de qualification Compact ; résultats détaillés non publiés dans le dépôt.
Sources
Dernière vérification
11 novembre 2026
Courriel MIME (.eml)
.eml		CourrielsDisponible avec configuration
DOCUMENT_EML_ENABLED
Détails
Limites
Fermé par défaut (eml_ingestion_disabled) ; même ouvert, l’import n’est admis que dans les espaces listés ou avec le drapeau global. En-têtes et corps extraits ; pièces jointes seulement inventoriées, sauf drapeau dédié (elles suivent alors le pipeline de leur propre format). Limites : 25 Mo, 20 pièces jointes.
Prérequis
DOCUMENT_EML_ENABLED=1 et une liste d’espaces autorisés (ou DOCUMENT_EMAIL_GLOBAL_ENABLED=1) ; aucune reconstruction.
Import / backend / extracteur / activé
Non / Non / Oui / Non
Pipeline (découpage, embeddings, recherche, citations)
Oui / Oui / Oui / Oui
Tests
Tests unitaires présents dans le dépôt ; format absent du corpus de qualification Compact.
Sources
Dernière vérification
11 novembre 2026
XML générique (.xml)
.xml		Données structuréesDisponible avec configuration
DOCUMENT_XML_ENABLED
defusedxml 0.7.1 (shipped)
Détails
Limites
Fermé par défaut (xml_ingestion_disabled) ; la configuration Compact publiée ne l’ouvre pas. Analyse sécurisée (DTD, entités et références externes refusées ; profondeur 64, 200 000 nœuds). Unités structurées avec localisateur par chemin d’élément.
Prérequis
Variable DOCUMENT_XML_ENABLED=1 sur le backend et le worker ; aucune reconstruction.
Import / backend / extracteur / activé
Non / Non / Oui / Non
Pipeline (découpage, embeddings, recherche, citations)
Oui / Oui / Oui / Oui
Tests
Tests unitaires présents dans le dépôt ; format absent du corpus de qualification Compact.
Sources
Dernière vérification
11 novembre 2026
Dessin DXF (.dxf)
.dxf		Formats techniquesDisponible avec configuration
DOCUMENT_DXF_ENABLED
ezdxf 1.4.4 (shipped, MIT)
Détails
Limites
Fermé par défaut (dxf_ingestion_disabled) ; la configuration Compact ne l’ouvre pas. Support documentaire : annotations (TEXT, MTEXT, cotes), attributs de blocs, calques et références déclarées. Les entités géométriques sont seulement comptées : aucune coordonnée indexée, aucun rendu, aucune interprétation du dessin.
Prérequis
Variable DOCUMENT_DXF_ENABLED=1 sur le backend et le worker ; aucune reconstruction (ezdxf inclus).
Import / backend / extracteur / activé
Non / Non / Oui / Non
Pipeline (découpage, embeddings, recherche, citations)
Oui / Oui / Oui / Oui
Tests
Tests unitaires présents dans le dépôt ; format absent du corpus de qualification Compact.
Sources
Dernière vérification
11 novembre 2026
Image JPEG
.jpg, .jpeg		ImagesModule optionnel
DOCUMENT_IMAGE_INGEST_ENABLED
tesseract-ocr + pytesseract (build arg WITH_OCR=1)
Détails
Limites
Accepté à l’import (DOCUMENT_IMAGE_INGEST_ENABLED=1 par défaut), mais l’extraction repose uniquement sur l’OCR : dans Compact (WITH_OCR=0), l’ingestion échoue avec ocr_engine_missing. Aucune description visuelle par modèle de vision dans l’édition Open.
Prérequis
Image backend/worker reconstruite avec WITH_OCR=1 (Tesseract + données fra/eng) ; temps CPU par page.
Import / backend / extracteur / activé
Oui / Oui / Oui / Non
Pipeline (découpage, embeddings, recherche, citations)
Non / Non / Non / Non
Tests
Tests unitaires présents dans le dépôt ; capacité non exercée en qualification Compact (option de construction désactivée).
Sources
Dernière vérification
11 novembre 2026
Image PNG
.png		ImagesModule optionnel
DOCUMENT_IMAGE_INGEST_ENABLED
tesseract-ocr + pytesseract (build arg WITH_OCR=1)
Détails
Limites
Accepté à l’import (DOCUMENT_IMAGE_INGEST_ENABLED=1 par défaut), mais l’extraction repose uniquement sur l’OCR : dans Compact (WITH_OCR=0), l’ingestion échoue avec ocr_engine_missing. Aucune description visuelle par modèle de vision dans l’édition Open.
Prérequis
Image backend/worker reconstruite avec WITH_OCR=1 (Tesseract + données fra/eng) ; temps CPU par page.
Import / backend / extracteur / activé
Oui / Oui / Oui / Non
Pipeline (découpage, embeddings, recherche, citations)
Non / Non / Non / Non
Tests
Tests unitaires présents dans le dépôt ; capacité non exercée en qualification Compact (option de construction désactivée).
Sources
Dernière vérification
11 novembre 2026
Image TIFF
.tif, .tiff		ImagesModule optionnel
DOCUMENT_IMAGE_INGEST_ENABLED
tesseract-ocr + pytesseract (build arg WITH_OCR=1)
Détails
Limites
Accepté à l’import (DOCUMENT_IMAGE_INGEST_ENABLED=1 par défaut), mais l’extraction repose uniquement sur l’OCR : dans Compact (WITH_OCR=0), l’ingestion échoue avec ocr_engine_missing. Aucune description visuelle par modèle de vision dans l’édition Open.
Prérequis
Image backend/worker reconstruite avec WITH_OCR=1 (Tesseract + données fra/eng) ; temps CPU par page.
Import / backend / extracteur / activé
Oui / Oui / Oui / Non
Pipeline (découpage, embeddings, recherche, citations)
Non / Non / Non / Non
Tests
Tests unitaires présents dans le dépôt ; capacité non exercée en qualification Compact (option de construction désactivée).
Sources
Dernière vérification
11 novembre 2026
Image WEBP
.webp		ImagesModule optionnel
DOCUMENT_IMAGE_INGEST_ENABLED
tesseract-ocr + pytesseract (build arg WITH_OCR=1)
Détails
Limites
Accepté à l’import (DOCUMENT_IMAGE_INGEST_ENABLED=1 par défaut), mais l’extraction repose uniquement sur l’OCR : dans Compact (WITH_OCR=0), l’ingestion échoue avec ocr_engine_missing. Aucune description visuelle par modèle de vision dans l’édition Open.
Prérequis
Image backend/worker reconstruite avec WITH_OCR=1 (Tesseract + données fra/eng) ; temps CPU par page.
Import / backend / extracteur / activé
Oui / Oui / Oui / Non
Pipeline (découpage, embeddings, recherche, citations)
Non / Non / Non / Non
Tests
Tests unitaires présents dans le dépôt ; capacité non exercée en qualification Compact (option de construction désactivée).
Sources
Dernière vérification
11 novembre 2026
PDF scanné / image (OCR)
.pdf		ImagesModule optionnel
DOCUMENT_OCR_ENABLED
tesseract-ocr (+fra/eng data), pytesseract, pypdfium2
Détails
Limites
Import accepté (PDF valide) mais ingestion en échec dans Compact (pdf_scanned_requires_ocr). Avec une image reconstruite avec OCR : Tesseract local uniquement, 50 pages maximum, 60 s par page, langues fra+eng ; reconstruction de tableaux par OCR expérimentale et non qualifiée.
Prérequis
Image backend/worker reconstruite avec WITH_OCR=1 (Tesseract + données fra/eng) ; temps CPU par page.
Import / backend / extracteur / activé
Oui / Oui / Oui / Non
Pipeline (découpage, embeddings, recherche, citations)
Non / Non / Non / Non
Tests
Tests unitaires présents dans le dépôt ; capacité non exercée en qualification Compact (option de construction désactivée).
Sources
Dernière vérification
11 novembre 2026
Dessin DWG (.dwg)
.dwg		Formats techniquesModule optionnel
DOCUMENT_DWG_ENABLED
GNU LibreDWG 0.14 dwg2dxf (GPLv3+, separate executable)
Détails
Limites
Option de construction désactivée dans Compact (WITH_DWG=0). Conversion en DXF temporaire par LibreDWG (GPL, revue de conformité demandée par la documentation) puis même périmètre documentaire que le DXF ; versions AutoCAD 2000-2018 uniquement.
Prérequis
Conteneur worker séparé construit avec WITH_DWG=1 (LibreDWG compilé), file ingest_dwg, DOCUMENT_DWG_ENABLED=1.
Import / backend / extracteur / activé
Non / Non / Oui / Non
Pipeline (découpage, embeddings, recherche, citations)
Oui / Oui / Oui / Oui
Tests
Tests unitaires présents dans le dépôt ; capacité non exercée en qualification Compact (option de construction désactivée).
Sources
Dernière vérification
11 novembre 2026
Maquette IFC (.ifc)
.ifc		Formats techniquesModule optionnel
DOCUMENT_IFC_ENABLED
ifcopenshell 0.8.5 (+shapely, lark, isodate)
Détails
Limites
Option de construction désactivée dans Compact (WITH_IFC=0) et drapeau fermé. Extraction sémantique uniquement : hiérarchie spatiale, éléments, propriétés, quantités, matériaux ; aucune géométrie, aucun rendu. Nécessite un worker dédié.
Prérequis
Conteneur worker séparé construit avec WITH_IFC=1 (IfcOpenShell), file ingest_ifc, DOCUMENT_IFC_ENABLED=1.
Import / backend / extracteur / activé
Non / Non / Oui / Non
Pipeline (découpage, embeddings, recherche, citations)
Oui / Oui / Oui / Oui
Tests
Tests unitaires présents dans le dépôt ; capacité non exercée en qualification Compact (option de construction désactivée).
Sources
Dernière vérification
11 novembre 2026
JSON (texte brut)
.json		Documents textuelsNon qualifié
—
Détails
Limites
Aucun extracteur dédié : le fichier est classé texte brut et indexé tel quel (balises ou structure comprises). Non testé ; résultat de recherche non garanti.
Prérequis
Pile Compact telle que publiée (backend + worker Celery) ; aucun argument de construction supplémentaire.
Import / backend / extracteur / activé
Non / Oui / Non / Sans objet
Pipeline (découpage, embeddings, recherche, citations)
Oui / Oui / Oui / Oui
Tests
Aucun test dédié identifié.
Sources
Dernière vérification
11 novembre 2026
RTF (texte brut)
.rtf		Documents textuelsNon qualifié
—
Détails
Limites
Aucun extracteur dédié : le fichier est classé texte brut et indexé tel quel (balises ou structure comprises). Non testé ; résultat de recherche non garanti.
Prérequis
Pile Compact telle que publiée (backend + worker Celery) ; aucun argument de construction supplémentaire.
Import / backend / extracteur / activé
Non / Oui / Non / Sans objet
Pipeline (découpage, embeddings, recherche, citations)
Oui / Oui / Oui / Oui
Tests
Aucun test dédié identifié.
Sources
Dernière vérification
11 novembre 2026
SVG (texte brut)
.svg		Documents textuelsNon qualifié
—
Détails
Limites
Aucun extracteur dédié : le fichier est classé texte brut et indexé tel quel (balises ou structure comprises). Non testé ; résultat de recherche non garanti.
Prérequis
Pile Compact telle que publiée (backend + worker Celery) ; aucun argument de construction supplémentaire.
Import / backend / extracteur / activé
Non / Oui / Non / Sans objet
Pipeline (découpage, embeddings, recherche, citations)
Oui / Oui / Oui / Oui
Tests
Aucun test dédié identifié.
Sources
Dernière vérification
11 novembre 2026
YAML (texte brut)
.yaml, .yml		Documents textuelsNon qualifié
—
Détails
Limites
Aucun extracteur dédié : le fichier est classé texte brut et indexé tel quel (balises ou structure comprises). Non testé ; résultat de recherche non garanti.
Prérequis
Pile Compact telle que publiée (backend + worker Celery) ; aucun argument de construction supplémentaire.
Import / backend / extracteur / activé
Non / Oui / Non / Sans objet
Pipeline (découpage, embeddings, recherche, citations)
Oui / Oui / Oui / Oui
Tests
Aucun test dédié identifié.
Sources
Dernière vérification
11 novembre 2026
Archive ZIP
.zip		ArchivesNon activé
—
Détails
Limites
Toute archive PK non reconnue comme Office Open XML ou OpenDocument est refusée (archive_not_supported). Importer les fichiers individuellement.
Prérequis
Sans objet : le fichier est refusé à l’import.
Import / backend / extracteur / activé
Non / Non / Non / Non
Pipeline (découpage, embeddings, recherche, citations)
Non / Non / Non / Non
Tests
Le refus est couvert par des tests unitaires.
Sources
Dernière vérification
11 novembre 2026
Livre numérique EPUB
.epub		ArchivesNon activé
—
Détails
Limites
Archive ZIP non reconnue : refusée (archive_not_supported). Aucun extracteur EPUB.
Prérequis
Sans objet : le fichier est refusé à l’import.
Import / backend / extracteur / activé
Non / Non / Non / Non
Pipeline (découpage, embeddings, recherche, citations)
Non / Non / Non / Non
Tests
Le refus est couvert par des tests unitaires.
Sources
Dernière vérification
11 novembre 2026
Image BMP
.bmp		ImagesNon activé
DOCUMENT_IMAGE_FORMATS
tesseract-ocr + pytesseract (build arg WITH_OCR=1)
Détails
Limites
Détecté par signature mais refusé (image_unsupported_format) : absent de la liste DOCUMENT_IMAGE_FORMATS par défaut. L’ajouter à la liste exige en plus une image construite avec OCR.
Prérequis
Modification de la liste DOCUMENT_IMAGE_FORMATS et image construite avec WITH_OCR=1.
Import / backend / extracteur / activé
Non / Non / Oui / Non
Pipeline (découpage, embeddings, recherche, citations)
Non / Non / Non / Non
Tests
Le refus est couvert par des tests unitaires.
Sources
Dernière vérification
11 novembre 2026
Image GIF
.gif		ImagesNon activé
DOCUMENT_IMAGE_FORMATS
tesseract-ocr + pytesseract (build arg WITH_OCR=1)
Détails
Limites
Détecté par signature mais refusé (image_unsupported_format) : absent de la liste DOCUMENT_IMAGE_FORMATS par défaut. L’ajouter à la liste exige en plus une image construite avec OCR.
Prérequis
Modification de la liste DOCUMENT_IMAGE_FORMATS et image construite avec WITH_OCR=1.
Import / backend / extracteur / activé
Non / Non / Oui / Non
Pipeline (découpage, embeddings, recherche, citations)
Non / Non / Non / Non
Tests
Le refus est couvert par des tests unitaires.
Sources
Dernière vérification
11 novembre 2026
Excel 97-2003 (.xls)
.xls		BureautiqueNon activé
—
Détails
Limites
Conteneur OLE2 détecté par signature et refusé (legacy_office_format). Enregistrer au format Office Open XML. La détection se fait sur le contenu : un simple fichier texte renommé avec cette extension est traité comme du texte brut.
Prérequis
Sans objet : le fichier est refusé à l’import.
Import / backend / extracteur / activé
Non / Non / Non / Non
Pipeline (découpage, embeddings, recherche, citations)
Non / Non / Non / Non
Tests
Le refus est couvert par des tests unitaires.
Sources
Dernière vérification
11 novembre 2026
Excel macro (.xlsm)
.xlsm		BureautiqueNon activé
—
Détails
Limites
Détecté par le contenu (vbaProject ou type de contenu macroEnabled), même renommé, et refusé (document à macros). Enregistrer sans macros.
Prérequis
Sans objet : le fichier est refusé à l’import.
Import / backend / extracteur / activé
Non / Non / Non / Non
Pipeline (découpage, embeddings, recherche, citations)
Non / Non / Non / Non
Tests
Le refus est couvert par des tests unitaires.
Sources
Dernière vérification
11 novembre 2026
OpenDocument présentation (.odp)
.odp		BureautiqueNon activé
—
Détails
Limites
Format OpenDocument détecté par l’entrée « mimetype » de l’archive et refusé. Exporter en format Office Open XML (ou CSV pour un tableur).
Prérequis
Sans objet : le fichier est refusé à l’import.
Import / backend / extracteur / activé
Non / Non / Non / Non
Pipeline (découpage, embeddings, recherche, citations)
Non / Non / Non / Non
Tests
Le refus est couvert par des tests unitaires.
Sources
Dernière vérification
11 novembre 2026
OpenDocument tableur (.ods)
.ods		BureautiqueNon activé
—
Détails
Limites
Format OpenDocument détecté par l’entrée « mimetype » de l’archive et refusé. Exporter en format Office Open XML (ou CSV pour un tableur).
Prérequis
Sans objet : le fichier est refusé à l’import.
Import / backend / extracteur / activé
Non / Non / Non / Non
Pipeline (découpage, embeddings, recherche, citations)
Non / Non / Non / Non
Tests
Le refus est couvert par des tests unitaires.
Sources
Dernière vérification
11 novembre 2026
OpenDocument texte (.odt)
.odt		BureautiqueNon activé
—
Détails
Limites
Format OpenDocument détecté par l’entrée « mimetype » de l’archive et refusé. Exporter en format Office Open XML (ou CSV pour un tableur).
Prérequis
Sans objet : le fichier est refusé à l’import.
Import / backend / extracteur / activé
Non / Non / Non / Non
Pipeline (découpage, embeddings, recherche, citations)
Non / Non / Non / Non
Tests
Le refus est couvert par des tests unitaires.
Sources
Dernière vérification
11 novembre 2026
PowerPoint 97-2003 (.ppt)
.ppt		BureautiqueNon activé
—
Détails
Limites
Conteneur OLE2 détecté par signature et refusé (legacy_office_format). Enregistrer au format Office Open XML. La détection se fait sur le contenu : un simple fichier texte renommé avec cette extension est traité comme du texte brut.
Prérequis
Sans objet : le fichier est refusé à l’import.
Import / backend / extracteur / activé
Non / Non / Non / Non
Pipeline (découpage, embeddings, recherche, citations)
Non / Non / Non / Non
Tests
Le refus est couvert par des tests unitaires.
Sources
Dernière vérification
11 novembre 2026
PowerPoint macro (.pptm)
.pptm		BureautiqueNon activé
—
Détails
Limites
Détecté par le contenu (vbaProject ou type de contenu macroEnabled), même renommé, et refusé (document à macros). Enregistrer sans macros.
Prérequis
Sans objet : le fichier est refusé à l’import.
Import / backend / extracteur / activé
Non / Non / Non / Non
Pipeline (découpage, embeddings, recherche, citations)
Non / Non / Non / Non
Tests
Le refus est couvert par des tests unitaires.
Sources
Dernière vérification
11 novembre 2026
Word 97-2003 (.doc)
.doc		BureautiqueNon activé
—
Détails
Limites
Conteneur OLE2 détecté par signature et refusé (legacy_office_format). Enregistrer au format Office Open XML. La détection se fait sur le contenu : un simple fichier texte renommé avec cette extension est traité comme du texte brut.
Prérequis
Sans objet : le fichier est refusé à l’import.
Import / backend / extracteur / activé
Non / Non / Non / Non
Pipeline (découpage, embeddings, recherche, citations)
Non / Non / Non / Non
Tests
Le refus est couvert par des tests unitaires.
Sources
Dernière vérification
11 novembre 2026
Word macro (.docm)
.docm		BureautiqueNon activé
—
Détails
Limites
Détecté par le contenu (vbaProject ou type de contenu macroEnabled), même renommé, et refusé (document à macros). Enregistrer sans macros.
Prérequis
Sans objet : le fichier est refusé à l’import.
Import / backend / extracteur / activé
Non / Non / Non / Non
Pipeline (découpage, embeddings, recherche, citations)
Non / Non / Non / Non
Tests
Le refus est couvert par des tests unitaires.
Sources
Dernière vérification
11 novembre 2026
Binaire non reconnu
AutresNon activé
—
Détails
Limites
Fichier binaire non identifié : refusé (unsupported_file_type).
Prérequis
Sans objet : le fichier est refusé à l’import.
Import / backend / extracteur / activé
Non / Non / Non / Non
Pipeline (découpage, embeddings, recherche, citations)
Non / Non / Non / Non
Tests
Le refus est couvert par des tests unitaires.
Sources
Dernière vérification
11 novembre 2026
Exécutable
.exe, .dll, .so, .sh, .class		AutresNon activé
—
Détails
Limites
Signature d’exécutable détectée et refusée.
Prérequis
Sans objet : le fichier est refusé à l’import.
Import / backend / extracteur / activé
Non / Non / Non / Non
Pipeline (découpage, embeddings, recherche, citations)
Non / Non / Non / Non
Tests
Le refus est couvert par des tests unitaires.
Sources
Dernière vérification
11 novembre 2026
Audio FLAC
.flac		AudioNon disponible
DOCUMENT_AUDIO_INGEST_ENABLED
ffmpeg/ffprobe (build arg WITH_AUDIO=1) + Gateway ASR backend (not included in ai-gateway-open)
Détails
Limites
Le parcours audio existe dans le code (point d’entrée dédié, plafond 600 Mo, 12 h maximum, transcription horodatée citée par plage temporelle), mais le profil Compact refuse l’import (audio_ingestion_disabled) et AI Gateway Open ne contient aucun moteur de transcription : sans service ASR fourni par l’exploitant, l’audio ne peut pas être traité.
Prérequis
Worker audio construit avec WITH_AUDIO=1 (ffmpeg), file ingest_audio, drapeau d’ingestion audio et liste d’espaces autorisés, ET un service de transcription (ASR) compatible derrière la passerelle, non fourni par AI Gateway Open.
Import / backend / extracteur / activé
Non / Non / Oui / Non
Pipeline (découpage, embeddings, recherche, citations)
Non / Non / Non / Non
Tests
Tests unitaires présents dans le dépôt ; capacité non exercée en qualification Compact (option de construction désactivée).
Sources
Dernière vérification
11 novembre 2026
Audio M4A
.m4a		AudioNon disponible
DOCUMENT_AUDIO_INGEST_ENABLED
ffmpeg/ffprobe (build arg WITH_AUDIO=1) + Gateway ASR backend (not included in ai-gateway-open)
Détails
Limites
Le parcours audio existe dans le code (point d’entrée dédié, plafond 600 Mo, 12 h maximum, transcription horodatée citée par plage temporelle), mais le profil Compact refuse l’import (audio_ingestion_disabled) et AI Gateway Open ne contient aucun moteur de transcription : sans service ASR fourni par l’exploitant, l’audio ne peut pas être traité.
Prérequis
Worker audio construit avec WITH_AUDIO=1 (ffmpeg), file ingest_audio, drapeau d’ingestion audio et liste d’espaces autorisés, ET un service de transcription (ASR) compatible derrière la passerelle, non fourni par AI Gateway Open.
Import / backend / extracteur / activé
Non / Non / Oui / Non
Pipeline (découpage, embeddings, recherche, citations)
Non / Non / Non / Non
Tests
Tests unitaires présents dans le dépôt ; capacité non exercée en qualification Compact (option de construction désactivée).
Sources
Dernière vérification
11 novembre 2026
Audio MP3
.mp3		AudioNon disponible
DOCUMENT_AUDIO_INGEST_ENABLED
ffmpeg/ffprobe (build arg WITH_AUDIO=1) + Gateway ASR backend (not included in ai-gateway-open)
Détails
Limites
Le parcours audio existe dans le code (point d’entrée dédié, plafond 600 Mo, 12 h maximum, transcription horodatée citée par plage temporelle), mais le profil Compact refuse l’import (audio_ingestion_disabled) et AI Gateway Open ne contient aucun moteur de transcription : sans service ASR fourni par l’exploitant, l’audio ne peut pas être traité.
Prérequis
Worker audio construit avec WITH_AUDIO=1 (ffmpeg), file ingest_audio, drapeau d’ingestion audio et liste d’espaces autorisés, ET un service de transcription (ASR) compatible derrière la passerelle, non fourni par AI Gateway Open.
Import / backend / extracteur / activé
Non / Non / Oui / Non
Pipeline (découpage, embeddings, recherche, citations)
Non / Non / Non / Non
Tests
Tests unitaires présents dans le dépôt ; capacité non exercée en qualification Compact (option de construction désactivée).
Sources
Dernière vérification
11 novembre 2026
Audio OGG
.ogg		AudioNon disponible
DOCUMENT_AUDIO_INGEST_ENABLED
ffmpeg/ffprobe (build arg WITH_AUDIO=1) + Gateway ASR backend (not included in ai-gateway-open)
Détails
Limites
Le parcours audio existe dans le code (point d’entrée dédié, plafond 600 Mo, 12 h maximum, transcription horodatée citée par plage temporelle), mais le profil Compact refuse l’import (audio_ingestion_disabled) et AI Gateway Open ne contient aucun moteur de transcription : sans service ASR fourni par l’exploitant, l’audio ne peut pas être traité.
Prérequis
Worker audio construit avec WITH_AUDIO=1 (ffmpeg), file ingest_audio, drapeau d’ingestion audio et liste d’espaces autorisés, ET un service de transcription (ASR) compatible derrière la passerelle, non fourni par AI Gateway Open.
Import / backend / extracteur / activé
Non / Non / Oui / Non
Pipeline (découpage, embeddings, recherche, citations)
Non / Non / Non / Non
Tests
Tests unitaires présents dans le dépôt ; capacité non exercée en qualification Compact (option de construction désactivée).
Sources
Dernière vérification
11 novembre 2026
Audio WAV
.wav		AudioNon disponible
DOCUMENT_AUDIO_INGEST_ENABLED
ffmpeg/ffprobe (build arg WITH_AUDIO=1) + Gateway ASR backend (not included in ai-gateway-open)
Détails
Limites
Le parcours audio existe dans le code (point d’entrée dédié, plafond 600 Mo, 12 h maximum, transcription horodatée citée par plage temporelle), mais le profil Compact refuse l’import (audio_ingestion_disabled) et AI Gateway Open ne contient aucun moteur de transcription : sans service ASR fourni par l’exploitant, l’audio ne peut pas être traité.
Prérequis
Worker audio construit avec WITH_AUDIO=1 (ffmpeg), file ingest_audio, drapeau d’ingestion audio et liste d’espaces autorisés, ET un service de transcription (ASR) compatible derrière la passerelle, non fourni par AI Gateway Open.
Import / backend / extracteur / activé
Non / Non / Oui / Non
Pipeline (découpage, embeddings, recherche, citations)
Non / Non / Non / Non
Tests
Tests unitaires présents dans le dépôt ; capacité non exercée en qualification Compact (option de construction désactivée).
Sources
Dernière vérification
11 novembre 2026
Audio WEBM
.webm		AudioNon disponible
DOCUMENT_AUDIO_INGEST_ENABLED
ffmpeg/ffprobe (build arg WITH_AUDIO=1) + Gateway ASR backend (not included in ai-gateway-open)
Détails
Limites
Le parcours audio existe dans le code (point d’entrée dédié, plafond 600 Mo, 12 h maximum, transcription horodatée citée par plage temporelle), mais le profil Compact refuse l’import (audio_ingestion_disabled) et AI Gateway Open ne contient aucun moteur de transcription : sans service ASR fourni par l’exploitant, l’audio ne peut pas être traité.
Prérequis
Worker audio construit avec WITH_AUDIO=1 (ffmpeg), file ingest_audio, drapeau d’ingestion audio et liste d’espaces autorisés, ET un service de transcription (ASR) compatible derrière la passerelle, non fourni par AI Gateway Open.
Import / backend / extracteur / activé
Non / Non / Oui / Non
Pipeline (découpage, embeddings, recherche, citations)
Non / Non / Non / Non
Tests
Tests unitaires présents dans le dépôt ; capacité non exercée en qualification Compact (option de construction désactivée).
Sources
Dernière vérification
11 novembre 2026
Outlook (.msg)
.msg		CourrielsNon disponible
DOCUMENT_MSG_ENABLED
extract-msg (GPL)
Détails
Limites
Détecté par signature mais toujours refusé : l’analyseur .msg (dépendance GPL) a été retiré de l’édition Open. Exporter le message au format .eml.
Prérequis
Impossible dans l’édition Open.
Import / backend / extracteur / activé
Non / Non / Non / Non
Pipeline (découpage, embeddings, recherche, citations)
Non / Non / Non / Non
Tests
Le refus est couvert par des tests unitaires.
Sources
Dernière vérification
11 novembre 2026

À savoir

  • Les PDF numérisés et les images sont acceptés à l’import mais échouent à l’extraction dans Compact (pas d’OCR dans l’image publiée). Activer l’OCR exige de reconstruire l’image avec WITH_OCR=1.
  • XML, DXF et EML sont livrés avec leurs analyseurs mais fermés par un drapeau dans la configuration Compact publiée ; le README du dépôt les présente comme vérifiés, ce que la configuration publiée ne reflète pas.
  • L’audio dispose d’un parcours complet côté application, mais AI Gateway Open ne contient aucun moteur de transcription : sans service ASR fourni par l’exploitant, l’audio reste indisponible.
  • Les fichiers texte non reconnus (JSON, YAML, RTF, SVG…) sont indexés comme texte brut, sans extracteur dédié et sans test.
  • Les tableaux PDF ne sont extraits par défaut que pour des types de tableaux reconnus ; les grilles génériques exigent un drapeau et une liste d’espaces autorisés.
  • La qualification Compact a exercé TXT, Markdown, PDF texte et DOCX ; XLSX, PPTX, CSV et HTML ont des tests unitaires mais ne figurent pas dans le corpus de qualification.