PDF vers Word — outil gratuit

Exemple détaillé

Appuyez sur « Essayer un exemple ». La pastille du fichier affiche document-v1.pdf, un PDF d’une page avec un titre et six courtes lignes comme « Project: Atlas Rollout » et « Budget: $10,000 ». Appuyez sur « Convertir en Word ». La légende indique « Lecture de la couche de texte... », la pastille affiche ensuite « 1 page », une ligne verte indique « ✓ Votre document Word est prêt — document-v1.docx », et « Aperçu du texte extrait » liste le texte, en commençant par « --- Page 1 --- ». « Télécharger » enregistre le .docx, tandis que « Copier » et « Télécharger .txt » se trouvent au-dessus de l’aperçu. Cochez « Ajouter un titre “Page N” avant chaque page » et le fichier Word gagne un titre « Page 1 ». Un scan se comporte différemment. Pour un PDF numérisé de 12 pages, un panneau ambre indique « Pages numérisées détectées — lancer l’OCR ? » et « Aucune des 12 pages n’a de couche de texte ; il n’y a donc rien à extraire sans lire les images. » Il ajoute « Les lire sur votre appareil prend environ 6 minutes. Rien n’est envoyé. » et propose « Lancer l’OCR sur 12 pages ».

Quels réglages utiliser, et les limites

• Vérifiez d’abord si le PDF contient du vrai texte. L’outil lit la couche de texte que portent généralement les PDF exportés depuis un traitement de texte ou enregistrés depuis un navigateur. Un scan n’est qu’une image de page et n’en a pas. Les pages sans aucun texte sont comptées une par une ; un fichier mixte est donc traité de façon sensée : vous voyez « 3 pages sur 12 n’ont pas de couche de texte. Les autres ont été converties normalement. » et le fichier Word pour les neuf autres pages est déjà prêt à télécharger. Vous choisissez si vous voulez lire les trois scans. Rien n’est téléchargé ni lancé tant que vous n’appuyez pas sur le bouton OCR.
• Choisissez l’alphabet avant de lancer l’OCR. Ouvrez la ligne « Alphabet des pages numérisées ». Elle part de la langue du site que vous consultez, et du latin si cette langue n’a pas de correspondance. Un scan ne contient aucun texte permettant de détecter un alphabet, et l’indication avertit qu’une page lue avec le mauvais alphabet « ressort en charabia d’apparence plausible plutôt qu’en erreur ». Il y a dix choix, du latin et du cyrillique au thaï, au tamoul et au télougou. Chacun indique sa taille, de 7.4 MB pour le grec à 15.9 MB pour le chinois et le japonais, et le latin fait 7.7 MB. L’hébreu n’est pas disponible. Le total du panneau inclut aussi une partie commune utilisée par tous les alphabets.
• Comptez environ 30 secondes par page, et utilisez Annuler si besoin. L’estimation est de 30 secondes par page. En dessous de deux minutes, elle est affichée en secondes, par pas de 5. Les durées plus longues utilisent des minutes entières : 40 pages indiquent donc « environ 20 minutes ». Les pages sont lues une à une sur l’appareil, et la légende compte « Lecture de la page 3 sur 12... ». Appuyez sur « Annuler » et le bouton indique brièvement « Arrêt en cours... ». Les pages déjà lues sont conservées et vont dans le fichier Word, et les pages non atteintes sont proposées de nouveau. Sur téléphone, le panneau du modèle avertit « Sur un téléphone, ce sera lent — comptez plusieurs minutes et gardez cet onglet ouvert. » Si l’appareil ne peut pas exécuter le modèle, le bouton OCR reste désactivé.
• Considérez le texte OCR comme un premier brouillon. La sortie OCR n’a aucune information de position ; chaque ligne du scan devient donc son propre paragraphe, sans tableaux ni titres. Chaque page OCR commence par une note en italique, « [Lu depuis une page numérisée par OCR sur l’appareil — vérifiez-le par rapport à l’original.] », et l’en-tête du document répète un avertissement. Le nom du fichier reçoit « -ocr » : un scan appelé letter.pdf est téléchargé sous letter-ocr.docx. Une ligne sous le résultat indique « L’OCR a lu 3 pages numérisées. Un texte lu par machine peut contenir des erreurs — vérifiez-le par rapport à l’original. » Comparez les noms, les nombres et les dates avec le papier avant de transmettre le fichier.
• Sachez ce qui est conservé depuis un PDF texte. Les lignes coupées sont réunies en paragraphes. Une ligne courte composée dans une taille au moins 1.2 fois supérieure à celle du corps du texte devient un titre Word, et une ligne au moins 1.6 fois supérieure devient Titre 1. Les lignes de plus de 150 caractères restent du corps de texte. Les colonnes ne deviennent un tableau Word que lorsque trois lignes ou plus de suite s’alignent avec le même nombre de colonnes. Les images, les polices et la mise en page ne sont pas conservées. L’aperçu montre les 8,000 premiers caractères, et le texte complet est dans le téléchargement. « Ajouter un titre “Page N” avant chaque page » est désactivé par défaut, car ces titres ne figurent pas dans le PDF lui-même.
• Convertissez plusieurs PDF d’un coup. Déposez plusieurs PDF, ou appuyez sur « Ajouter plus de fichiers » avec un fichier chargé. Le bouton indique alors « Convertir 3 PDF en Word ». Chaque fichier devient son propre .docx, et « Tout télécharger (3) » les enregistre dans un ZIP appelé pdf-to-word. Le mode par lot ne lit que la couche de texte. Un PDF entièrement numérisé échoue sur sa ligne avec « PDF numérisé sans couche de texte. Ouvrez-le seul pour le lire avec l’OCR. » et un PDF partiellement numérisé affiche une note comme « 2 pages numérisées ignorées ». Les fichiers qui ne sont pas des PDF sont écartés, avec le message « Certains fichiers ont été ignorés car ce ne sont pas des PDF. »

Problèmes courants et comment les résoudre

Il affiche « Une erreur s’est produite. Veuillez réessayer. »

Le lecteur a échoué avec une erreur pour laquelle l’outil n’a pas de message précis. Seules une erreur de mot de passe et une erreur de PDF invalide ont leur propre phrase (« Ce fichier ne peut pas être lu comme un PDF — il est peut-être corrompu. »), et un document sans aucune page reçoit le même message de corruption. Tout le reste, y compris l’« UnknownErrorException » du lecteur, aboutit ici. Ouvrez le fichier dans un autre lecteur de PDF. S’il s’ouvre, imprimez-le de là vers un nouveau PDF, puis convertissez cette copie.

Il affiche « Aucun texte extractible trouvé dans ce PDF. »

Chaque page est une image et vous avez appuyé sur « Non merci » pour l’offre d’OCR ; il n’y a donc rien à convertir. Ce n’est pas un défaut du fichier. La couche de texte est vide. Appuyez de nouveau sur « Convertir en Word » pour ramener l’offre, choisissez l’alphabet des pages et appuyez sur « Lancer l’OCR sur N pages ». Si vous ne voulez pas d’OCR, les mots doivent venir d’une autre source, car un PDF sans couche de texte ne contient aucun mot à copier.

Il affiche « L’OCR s’est exécuté, mais n’a trouvé aucun texte lisible sur les pages numérisées. »

Chaque page a été dessinée et lue, et le moteur de reconnaissance n’a renvoyé aucun texte. Le cas simple est une page réellement vide ; vérifiez donc les pages dans un lecteur. Les pages lues ne sont plus proposées, même si elles sont revenues vides. Pour essayer un autre alphabet, appuyez sur « Convertir en Word » (ou « Convertir à nouveau »), ce qui relance la vérification et réaffiche l’offre. L’indication sous le sélecteur dit qu’un mauvais alphabet donne du charabia plutôt qu’une erreur ; vérifiez donc aussi le sélecteur.

Il affiche « Les pages numérisées n’ont pas pu être lues. Veuillez réessayer. »

Quelque chose a échoué pendant la passe d’OCR. Une page qui n’avance pas pendant 120 secondes est considérée comme bloquée. L’outil abandonne alors ce lecteur et en démarre un nouveau à l’essai suivant. Si cela se répète sur un long scan, essayez un ordinateur, ou divisez le PDF pour que chaque exécution soit plus courte. Un message voisin, « La page 4 est trop grande pour être rendue pour l’OCR. », apparaît quand une page exigerait une image de plus de 16,384 pixels de côté.

Il affiche « Ce PDF est protégé par mot de passe. Supprimez le mot de passe et réessayez. »

Le PDF est chiffré ; son texte ne peut donc pas encore être lu. Sous le message, un cadre « Envoyer ce fichier vers un autre outil » propose « Déverrouiller un PDF ». Il transmet le même fichier à l’outil Déverrouiller un PDF dans ce navigateur, et le cadre précise « Rien n’est envoyé. » Déverrouillez-le là-bas, puis ajoutez ici le fichier déverrouillé. En mode par lot, le même message apparaît sur la ligne de ce fichier.

Comment il se compare

Si vous avez besoin que la page ressemble exactement au PDF, ce n’est pas le bon outil. Il extrait le texte et reconstruit des paragraphes, des titres et des tableaux simples, ce qui convient quand vous voulez modifier ou réutiliser les mots. Il ne conserve ni les images, ni les polices, ni la mise en page d’origine, et il ne crée pas de PDF avec texte recherchable. Les pages numérisées sont lues par OCR sur l’appareil ; le texte peut donc contenir des erreurs et vous devez le relire. La première exécution de l’OCR télécharge une fois un modèle, de 7.4 à 15.9 MB selon l’alphabet, plus une partie commune. Rien n’est à installer, et le PDF n’est pas envoyé.