Markdown ou texte brut pour le RAG

En bref : indexez du Markdown. Il ne coûte presque aucun token de plus, et ses titres et tableaux permettent de découper selon la structure du document et d’attacher le contexte de section à chaque morceau, ce qui améliore généralement la recherche par rapport à des morceaux de taille fixe en texte brut. N’utilisez le texte brut que si la source n’a aucune structure.

Free PDF to Markdown converter →

Qu’apporte le Markdown ?

Limites : les titres marquent le début et la fin des sujets, donc les morceaux ne coupent pas une section en deux.
Contexte : le chemin des titres (« Facturation > Remboursements > Clients UE ») peut être stocké comme métadonnée et ajouté en tête du morceau avant l’embedding.
Tableaux : lignes et colonnes restent alignées, au lieu d’une suite de nombres sans étiquettes.
Listes : les étapes et les exigences restent des éléments distincts.

Comment découper du Markdown pour le RAG ?

Convertissez les documents en Markdown (PDF, Word, HTML).
Découpez selon les titres #, ## et ###.
Si une section reste trop longue, découpez-la par paragraphes avec un léger chevauchement.
Ajoutez le chemin des titres en tête de chaque morceau et stockez-le comme métadonnée.
Évaluez sur 20 à 50 vraies questions et ajustez la taille des morceaux.

Quand le texte brut suffit-il ?

Les journaux de discussion, les transcriptions et les notes courtes n’ont pas de structure significative. Les convertir en Markdown n’apporte rien ; découpez-les plutôt par durée ou par intervenant.

Exemple : la même page de deux façons

Prenons une page de règlement interne avec un titre, un paragraphe et un tableau de délais de remboursement. En texte brut, le tableau devient une suite de mots et de chiffres : Région Délai Frais UE 14 jours 0 US 30 jours 5. Pour la question « quel est le délai aux États-Unis ? », rien dans ce morceau n'indique que 30 est un délai et pas des frais.

En Markdown, le contenu garde sa forme :

## Remboursements

| Région | Délai | Frais |
|---|---|---|
| UE | 14 jours | 0 |
| US | 30 jours | 5 |

Le morceau porte ses propres étiquettes. En ajoutant le chemin des titres (« Règlement > Remboursements »), le modèle d'embedding connaît le sujet, et le modèle qui répond lit « US | 30 jours » comme une ligne de tableau.

Texte brut ou Markdown en un coup d’œil

	Texte brut	Markdown
Découpage	Taille fixe ou paragraphes	Titres, puis paragraphes
Contexte de section	Perdu	Chemin des titres en métadonnée
Tableaux	Aplatis	Lignes et colonnes conservées
Jetons en plus	Aucun	Peu (#, \|, -)
Idéal pour	Transcriptions, notes, chats	Manuels, rapports, contrats, docs

Quelles sont les erreurs fréquentes ?

Des morceaux qui ne contiennent qu'un titre : fusionnez chaque titre avec le texte qui le suit.
En-têtes et pieds de page répétés : supprimez-les avant le découpage, sinon tous les morceaux se ressemblent.
Un tableau coupé en deux : gardez-le dans un seul morceau, ou répétez la ligne d'en-tête dans chaque partie.
Ne jamais mesurer : écrivez 20 à 50 vraies questions et vérifiez si le bon morceau remonte, avant et après chaque changement.

FAQ

Le Markdown coûte-t-il plus de tokens ?

Très peu : quelques caractères par titre, élément de liste ou ligne de tableau.

LangChain et LlamaIndex prennent-ils en charge le découpage Markdown ?

Oui, les deux proposent des découpeurs basés sur les titres Markdown.

Mis à jour : novembre 2026. Les fichiers sont traités dans votre navigateur et ne sont pas envoyés.

2026-11-12