🔌 Connecteurs IA · Convertisseur + OCR

Créateur : Oualid Messaoudi · Éditeur : Vitalink ATLS Education GmbH Kipsburg 31, 44263 Dortmund · HRB 38336 · vitalink-atls-education.de v1.0.0 · licence MIT

Deux serveurs MCP locaux qui font lire à l'IA des documents déjà convertis et allégés, au lieu de lui envoyer des PDF et des images bruts. 100 % hors ligne : aucun appel réseau.

Connecteur	Ce qu'il fait	Prérequis
`convertisseur-ia`	Tout document → Markdown léger (PDF avec texte, Word, Excel, PowerPoint, CSV, HTML, JSON, XML, RTF, TXT, code) + calcul de l'économie de tokens	Node.js ≥ 18 (multi-plateforme)
`ocr-images`	PDF scannés, photos et captures → texte, via l'OCR intégré à Windows · allègement d'images pour la vision	Node.js ≥ 18 + Windows 10/11

Économie typique : un courrier PDF de 88 Ko passe de ~22 000 tokens estimés à ~480, une capture d'écran de ~945 tokens image à ~90 tokens de texte.

Installation

git clone https://github.com/Walmes1/connecteurs-ia.git
cd connecteurs-ia/convertisseur-ia
npm install

ocr-images n'a aucune dépendance : rien à installer.

Puis déclarer les deux serveurs dans le client MCP (Claude Desktop, Claude Code, Cursor, VS Code, LM Studio…) — voir config-a-coller.json :

{
  "mcpServers": {
    "convertisseur-ia": {
      "command": "node",
      "args": ["C:\\chemin\\vers\\Connecteurs-IA\\convertisseur-ia\\server.js"]
    },
    "ocr-images": {
      "command": "node",
      "args": ["C:\\chemin\\vers\\Connecteurs-IA\\ocr-images\\server.js"]
    }
  }
}

Emplacements habituels du fichier de configuration :

Claude Desktop (Windows) : %APPDATA%\Claude\claude_desktop_config.json
Claude Code : ~/.claude.json

Redémarrer le client après modification.

Les outils

`convertisseur-ia`

Outil	Description
`convertir_document`	Un fichier → Markdown + statistiques de tokens. Options : `max_chars`, `page_debut`, `page_fin`
`apercu_document`	Aperçu bon marché : type, poids, tokens estimés, premiers caractères
`convertir_dossier`	Un dossier entier en un seul Markdown. Options : `filtre`, `recursif`, `max_fichiers`
`enregistrer_markdown`	Convertit et écrit un `.md` à côté de l'original
`formats_supportes`	Liste des formats et cas particuliers

`ocr-images`

Outil	Description
`ocr_image`	Photo / capture / scan → texte. `langue` : `auto`, `de`, `fr`…
`ocr_pdf`	PDF scanné → texte page par page. Options : `pages` (`"1-3,7"`), `qualite` (2 par défaut, 3 pour les petits caractères)
`optimiser_image`	Réduit une image à 1568 px max en JPEG → jusqu'à −80 % de tokens vision
`langues_ocr`	Langues OCR installées dans Windows + comment en ajouter une

Le duo

document
   │
   ├─ couche texte présente ? ── oui ─▶  convertir_document   (rapide, fidèle)
   │
   └─ non (scan, photo)      ────────▶  ocr_pdf / ocr_image   (OCR Windows, ~1 s/page)

convertir_document détecte les PDF scannés et renvoie explicitement vers ocr_pdf.

Comment ça marche

Office sans bibliothèque externe : .docx, .xlsx, .pptx sont des archives ZIP — lecteur ZIP minimal basé sur le zlib de Node, puis conversion XML → Markdown.
PDF : couche texte extraite via pdf.js, avec un repli intégré si la bibliothèque manque.
OCR : Windows.Media.Ocr, déjà présent dans Windows — aucun Tesseract, aucun modèle à télécharger, aucun compte. Les pages PDF sont rendues en image par Windows.Data.Pdf. langue: "auto" essaie chaque langue installée et garde le meilleur résultat.
Tokens : estimation ~4 caractères = 1 token pour le texte, largeur × hauteur / 750 pour les images.

Confidentialité et périmètre

Aucun appel réseau : les fichiers sont lus sur le disque, convertis en mémoire, et seul le Markdown obtenu arrive dans la conversation.
Ces serveurs lisent les fichiers locaux que le client MCP leur demande de lire, sans restriction de dossier — c'est le principe d'un outil local. À n'exposer qu'à un client de confiance, jamais derrière un service public.
enregistrer_markdown et optimiser_image écrivent un fichier (par défaut à côté de l'original) ; aucun autre outil n'écrit sur le disque.
Un OCR n'est jamais parfait : vérifier montants, numéros et écriture manuscrite sur l'original.

Dépannage

Symptôme	Solution
Les connecteurs n'apparaissent pas	Client MCP non redémarré, ou `mcpServers` mal placé dans le fichier de configuration
« aucune langue OCR installée »	Windows → Heure et langue → Langue et région → options de la langue → cocher OCR
Un PDF est signalé « scanné »	Il n'a pas de couche texte : passer par `ocr_pdf`
`.doc` / `.xls` / `.ppt` refusés	Anciens formats binaires : ré-enregistrer en `.docx` / `.xlsx` / `.pptx`
OCR imprécis sur petits caractères	`ocr_pdf` avec `qualite: 3`

Vérification rapide (doit lister les outils) :

echo {"jsonrpc":"2.0","id":1,"method":"tools/list"} | node convertisseur-ia/server.js

Structure

Connecteurs-IA/
├── README.md · PUBLICATION.md · LICENSE · config-a-coller.json
├── _shared/mcp.js             micro-serveur MCP (stdio, 0 dépendance)
├── convertisseur-ia/
│   ├── server.js              5 outils
│   ├── server.json            manifeste registre MCP
│   └── lib/                   convert · office · zip · pdftext
└── ocr-images/
    ├── server.js              4 outils
    ├── server.json            manifeste registre MCP
    └── win-ocr.ps1            OCR Windows + rendu PDF + redimensionnement

Licence

Noms réservés pour la distribution : @vitalink-atls/convertisseur-ia-mcp, @vitalink-atls/ocr-images-mcp, de.vitalink-atls-education/convertisseur-ia, de.vitalink-atls-education/ocr-images — détails dans PUBLICATION.md.

connecteurs ia