PDF en Word, en texte ou en Markdown : lequel choisir ?

Ces trois conversions sortent toutes les mots d'un PDF. Ce qui les sépare, c'est la part de la page qu'elles cherchent à conserver. Word reconstruit la page, le texte brut ne garde que les caractères, et le Markdown se situe entre les deux. Le bon choix dépend de ce que vous comptez faire de ces mots ensuite.

Word, pour retravailler le document lui-même

PDF en Word reconstruit chaque page dans un .docx. Paragraphes, tailles de police, gras, images et tableaux se retrouvent à peu près à leur place. C'est l'option à retenir pour mettre à jour un contrat, corriger un rapport ou réutiliser le courrier de l'an dernier avec de nouvelles dates.

Ce qui se perd, c'est le sens caché derrière la mise en forme. Un titre arrive le plus souvent comme du texte gros et gras dans le style Normal, pas en Titre 1, et un titre souligné d'un filet peut même devenir un tableau d'une seule cellule. Les puces sont souvent des caractères • tapés à la main plutôt qu'une vraie liste Word. La page a le bon aspect, mais le volet de navigation et la table des matières automatique ne trouveront rien tant que vous n'aurez pas appliqué les styles de titre vous-même. Examinez de près les mises en page sur deux colonnes et les tableaux compliqués.

Le texte brut, quand seuls les mots comptent

PDF en Texte vous rend un seul fichier .txt avec le texte de toutes les pages, séparées par une ligne vide. Il sert à fouiller un long document dans un éditeur de texte, à coller un passage dans un e-mail sans traîner la mise en forme avec, à compter les mots ou à alimenter un script.

Tout l'aspect visuel disparaît. Images et gras sont supprimés, et les tableaux s'aplatissent en lignes de valeurs séparées par des espaces : un tableau des ventes devient des lignes comme Nord 120 4 %, avec les en-têtes de colonnes quelque part au-dessus. Dès qu'une cellule est vide, impossible de savoir quelle valeur va où. Les puces et les numéros se détachent parfois de leur élément, et une page sur deux colonnes peut sortir dans un ordre inattendu.

Le Markdown, quand une partie de la structure doit survivre

Le Markdown, c'est du texte brut avec un peu de balisage : # pour les titres, - pour les puces, des barres verticales pour les tableaux. Il s'ouvre partout et se colle proprement dans Obsidian, Notion, un site de documentation, un README ou une conversation avec une IA où vous voulez qu'un tableau reste un tableau.

Voici ce que donne concrètement notre PDF en Markdown :

• Les tableaux sont le vrai point fort. Quand l'outil repère des colonnes alignées, il écrit un vrai tableau Markdown au lieu d'un amas de valeurs.
• Les listes numérotées gardent leurs numéros, et les puces gardent leur caractère •, que la plupart des éditeurs traitent comme du texte ordinaire.
• Les titres sortent comme des lignes normales. Un PDF n'étiquette pas un titre comme tel, c'est juste du texte plus gros, et le convertisseur ne se risque pas à deviner. Ajouter les # prend une minute dans n'importe quel éditeur.

Le gras, l'italique et les images ne passent pas.

Pour trancher vite

1. Vous allez modifier le document puis le renvoyer ? Word.
2. Il contient des tableaux, ou il finira dans vos notes ou sur un site de documentation ? Markdown.
3. Pour tout le reste, recherches rapides et copier-coller compris : texte.

Un PDF scanné passe d'abord par l'OCR

Essayez de sélectionner une phrase de votre PDF. Si toute la page se surligne comme une photo, elle ne contient pas encore de texte, seulement une image de texte, et les trois outils réagissent différemment.

• PDF en Texte a une case « Lancer l'OCR ». Cochez-la et l'outil lit d'abord les images des pages. C'est plus lent, et les pages qui contiennent déjà du vrai texte ne sont pas touchées.
• PDF en Markdown s'arrête avec un message indiquant qu'il n'y a pas de texte extractible. Passer le fichier dans OCR PDF auparavant règle le problème, même si le texte reconnu peut comporter des doubles espaces et quelques lignes estropiées.
• PDF en Word vous donne un document fait d'images de pages, sans rien à modifier, et une OCR préalable n'y change rien. Pour obtenir un scan modifiable, extrayez le texte avec PDF en Texte et l'OCR cochée, puis collez-le dans un nouveau document.

Questions fréquentes

Quel format coller dans ChatGPT ou une autre IA ?

Le Markdown si le PDF contient des tableaux, car le modèle voit alors quel chiffre se trouve dans quelle colonne. Pour un document entièrement rédigé, le texte brut fait tout aussi bien l'affaire.

L'OCR est-elle fiable sur un document en français ?

Elle ne lit que l'anglais. Sur du français, la plupart des mots sont reconnus mais les accents se perdent ou changent : é devient e, ç devient c. Elle donne aussi ses meilleurs résultats sur des pages propres, droites et bien contrastées. Photocopies pâles, écriture manuscrite et photos prises en biais multiplient les erreurs, alors vérifiez les noms et les chiffres avant de vous y fier.