Extrayez texte et métadonnées de tous vos fichiers
Un service d'extraction de contenu propulsé par Apache Tika, installé et maintenu par DINAO. PDF, Office, images… vos documents sont analysés sur nos serveurs français, pas ailleurs.
Qu'est-ce que Apache Tika ?
Apache Tika est une boîte à outils qui détecte et extrait les métadonnées et le texte structuré de plus de mille types de fichiers (PPT, XLS, PDF, e-mails, images, archives…). Tous ces formats sont analysés via une interface unique, ce qui rend Tika précieux pour l'indexation par moteurs de recherche, l'analyse de contenu ou la préparation de données.
Écrit en Java et porté par la fondation Apache, Tika fournit une bibliothèque, mais aussi des éditions serveur et ligne de commande utilisables depuis d'autres langages. Le mode serveur expose une API REST simple à intégrer dans des pipelines Python, PHP, Node ou Java.
Au-delà de l'extraction, Tika offre la détection de langue, l'extraction de métadonnées normalisées et, via Tesseract, l'OCR sur images et documents scannés — un socle idéal pour l'indexation plein texte et l'alimentation de systèmes RAG.
Hébergez Apache Tika chez DINAO
Paliers de ressources compatibles avec les pré-requis de Apache Tika (1 vCPU / 512 Mo / 2 Go minimum). Hébergé en France, infogéré.
- 1 vCPU alloués
- 2 Go de RAM
- 20 Go NVMe
- Sauvegardes quotidiennes
- Infogéré & supervisé par DINAO
- 2 vCPU alloués
- 4 Go de RAM
- 40 Go NVMe
- Sauvegardes quotidiennes
- Infogéré & supervisé par DINAO
- 4 vCPU alloués
- 8 Go de RAM
- 80 Go NVMe
- Sauvegardes quotidiennes
- Infogéré & supervisé par DINAO
- 8 vCPU alloués
- 16 Go de RAM
- 160 Go NVMe
- Sauvegardes quotidiennes
- Infogéré & supervisé par DINAO
Hébergement Apache Tika managé en France
Héberger Apache Tika soi-même suppose un serveur à maintenir, des mises à jour de sécurité, des sauvegardes et de la supervision. Avec notre hébergement Apache Tika managé, vous utilisez l'application : nous opérons l'infrastructure.
- Déploiement en quelques minutes, version maintenue à jour
- Sauvegardes quotidiennes incluses
- Supervision continue, données hébergées en France (RGPD)
- Envie de self-hosted avec accès root ? Apache Tika s'installe aussi sur notre VPS Docker.
Détails techniques
Vous vous demandez…
Quels formats Tika peut-il traiter ?
Plus d'un millier : PDF, documents Office (Word, Excel, PowerPoint), e-mails, formats web, images, archives… tous via une interface unique d'extraction de texte et de métadonnées.
Tika peut-il lire les documents scannés ?
Oui, avec l'OCR (Tesseract) activé : Tika extrait le texte des PDF scannés et des images. Cette option est disponible selon la formule choisie.
Où sont hébergées les données ?
Sur l'infrastructure DINAO en France, dans un des datacenters disponibles. Vos documents sont analysés sur place et ne quittent pas le territoire.
Faut-il des compétences techniques ?
Pour intégrer l'API à vos pipelines, oui : Tika est un service d'extraction destiné aux applications. DINAO gère l'installation, le serveur, la sécurité et les mises à jour.
Mes documents sont-ils conservés après extraction ?
Non par défaut : Tika extrait le contenu à la volée et ne stocke pas durablement vos fichiers. La rétention éventuelle se définit avec vous.
Cette application est-elle testée avant d'être proposée ?
Oui. La version 4.1.0 a été déployée sur notre infrastructure le 30 septembre 2026 et son démarrage a été vérifié automatiquement : tous les services attendus doivent répondre pour que la fiche porte cette mention. Le modèle de déploiement utilisé a été mis à jour pour la dernière fois le 3 juillet 2026. Chaque nouvelle version publiée par l'éditeur relance ce test : la date ci-dessus suit donc la version réellement proposée.
Que couvre exactement l'infogérance ?
L'infogérance DINAO est incluse dans le prix de votre conteneur. Elle couvre le fonctionnement technique du serveur et des couches logicielles : système, base de données, environnement d'exécution et application (installation, mises à jour de sécurité, sauvegardes, supervision). Elle n'inclut pas l'aide à l'utilisation quotidienne de l'application, qui reste de la compétence du client. Elle est fournie en « best effort », dans le cadre d'une obligation de moyens : vos demandes sont traitées selon leur nature et leur criticité, dans l'ordre de priorité déterminé par DINAO au regard notamment de l'impact sur la disponibilité du service. Aucun délai de prise en compte ni de rétablissement n'est garanti : ce niveau ne comporte ni garantie de temps d'intervention (GTI), ni garantie de temps de rétablissement (GTR). La supervision technique est automatique 24h/24 et 7j/7 — une indisponibilité est détectée sans intervention de votre part ; les interventions humaines sont assurées aux jours et heures ouvrés de DINAO, hors jours fériés. Si votre activité demande davantage — traitement prioritaire, plage d'intervention élargie, engagements de délai, rétention de sauvegarde étendue ou copie sur un second site —, des formules d'infogérance étendue peuvent être mises en place : leur contenu et leur tarif sont établis avec vous selon vos besoins. Contactez notre service Conteneur applicatif pour en discuter.
