Convertir un PDF en Word sans perdre la mise en forme

Ce que le convertisseur devine réellement

Une page de PDF dit : dessine ce glyphe ici, celui-là là. Elle n’enregistre pas que douze de ces glyphes formaient un titre, ni que ce bloc et cet autre bloc étaient deux colonnes plutôt qu’un large paragraphe avec un blanc au milieu.

Un convertisseur lit donc de la géométrie et en déduit une structure. Il déduit les lignes des positions verticales, les paragraphes de l’espacement, et les tableaux de l’alignement. Ces déductions sont généralement justes et parfois gravement fausses, et les endroits où elles échouent sont prévisibles :

• Les mises en page sur plusieurs colonnes. Si les colonnes ne sont pas nettement séparées, le texte peut être recousu d’une colonne à l’autre en un seul paragraphe incohérent.
• Les tableaux sans filets. Un tableau dessiné avec des espacements plutôt qu’avec des bordures peut ressortir sous forme de texte séparé par des tabulations, ou d’un paragraphe par cellule.
• Les zones de texte et les légendes. Tout ce qui est positionné plutôt que placé dans le flux tend à arriver sous forme de cadre flottant qui se déplace quand vous modifiez ce qui l’entoure.
• Les polices que vous n’avez pas. Le PDF peut les incorporer ; le document Word ne fait que les référencer. Si votre machine ne dispose pas de la police, Word la remplace, et les longueurs de ligne changent. Pourquoi un PDF s’affiche différemment sur un autre ordinateur traite ce point en détail.

Si votre PDF est un scan, aucun convertisseur ne peut vous aider

C’est la déception la plus fréquente de toutes, et il vaut la peine de la comprendre avant d’essayer.

Si le PDF est un scan ou la photographie d’une page, il ne contient aucun texte — seulement une image qui ressemble à du texte. Le convertir produit un document Word contenant une image de chaque page et rien que vous puissiez sélectionner, rechercher ou modifier. Le convertisseur n’a pas échoué ; il n’y avait rien à convertir.

Le test prend cinq secondes : ouvrez le PDF et essayez de sélectionner une phrase avec votre curseur. Si rien ne se surligne, c’est un scan.

La solution consiste à reconnaître le texte au préalable. L’OCR ajoute une véritable couche de texte, et convertir ensuite produit un texte modifiable. Deux réserves honnêtes : la reconnaissance n’est jamais parfaite et demande une relecture, et l’OCR récupère les mots mais pas la mise en page d’origine — attendez-vous donc à reconstruire la mise en forme plutôt qu’à en hériter. OCR ou conversion d’un PDF en Word compare les deux directement.

Obtenir le résultat le plus proche

• Demandez-vous si vous avez vraiment besoin de Word. Si vous ne voulez que les mots — pour citer, pour réutiliser, pour traduire — extraire le texte d’un PDF vous les donne proprement, sans mise en page à combattre.
• Retrouvez l’original. Tout PDF a d’abord été autre chose. Dix minutes passées à chercher le document source valent mieux qu’une heure à réparer une conversion.
• Ne convertissez que les pages dont vous avez besoin. Extrayez les pages d’abord si vous ne voulez qu’une section : moins à vérifier, moins à corriger.
• Corrigez dans le bon ordre. Réglez le format de page et les marges, puis les styles, puis les images. Ajuster des paragraphes isolés avant la mise en page revient à faire le travail deux fois.
• Conservez le PDF. Il reste la trace fiable de ce à quoi le document ressemblait. Si ce dont vous aviez réellement besoin était une copie non modifiable, PDF en JPG ou le fichier d’origine conviennent mieux qu’un document converti.

La conversion s’effectue sur notre serveur plutôt que dans votre navigateur : le fichier est envoyé via une connexion chiffrée, conservé uniquement le temps de la conversion, puis supprimé.