Vos contenus restent chez vousaucun accès par des tiers
Aucun traitement du contenu de vos fichiers n'a lieu sur un serveur. Vous n'avez besoin d'aucun contrat de sous-traitance avec gottrix pour vos documents confidentiels ou professionnels.
Hosted in GermanyGlobal Content Delivery
Serveurs d'origine chez Hetzner en Allemagne, diffusion mondiale via un réseau de diffusion de contenu (CDN). Le contenu de vos fichiers n'est jamais transmis dans ce cadre - il ne quitte jamais votre appareil.
Un PDF est une mise en page figée, pas du texte modifiable : les paragraphes se sélectionnent mal, les phrases se réécrivent difficilement et un tableau ne se recalcule pas. Cet outil lit la structure réelle de votre PDF (titres, paragraphes, listes, tableaux, notes de bas de page et images) et en construit, directement sur votre appareil, un véritable fichier DOCX au format Office Open XML, prêt à s'ouvrir dans Word, dans LibreOffice Writer ou dans tout autre programme qui comprend les fichiers .docx. Sans filigrane, sans compte et sans limite quotidienne : la conversion se déroule dans l'onglet du navigateur et non sur un serveur.
Au niveau du paragraphe et du caractère, il subsiste bien plus que le gras et l'italique. Les titres deviennent de vrais titres Word des niveaux 1 à 6, avec leur niveau hiérarchique, si bien que le volet de navigation et la table des matières automatique fonctionnent immédiatement. Les listes imbriquées conservent leurs niveaux sous forme de véritable liste à plusieurs niveaux. Les soulignements et les barrés sont reconnus d'après les traits réellement dessinés sur la page, les exposants et indices d'après leur ligne de base décalée, et une surbrillance colorée est ramenée à la plus proche des 16 couleurs de surlignage que le format Word connaît. Les renvois du PDF deviennent des liens hypertexte cliquables, et les notes en bas de page deviennent de vraies notes de bas de page Word, gérées comme telles et non laissées en texte libre en fin de page.
Les tableaux sont détectés par trois voies distinctes : d'après les filets réellement tracés, la largeur des colonnes étant tirée de la géométrie mesurée de ces filets et les fusions de cellules simples restant fusionnées ; d'après un espace intercolonne nettement récurrent lorsque le tableau n'a aucun filet ; et d'après une suite d'au moins trois lignes consécutives du type « champ : valeur », comme en produisent les PDF de formulaire. Le format de page, l'orientation portrait ou paysage, les marges et le nombre de colonnes de texte sont repris de la géométrie réelle de la page au lieu d'une supposition A4, un saut de page net est placé à chaque limite de page d'origine, et les images sont insérées à leur place dans le fil de lecture en conservant leurs proportions, y compris les graphiques tracés uniquement en vectoriel, eux aussi reconnus comme figures. Les en-têtes et pieds de page récurrents deviennent de véritables en-têtes et pieds Word avec des tabulations à gauche, au centre et à droite ; un numéro de page continu devient un champ Word vivant plutôt qu'un chiffre figé, et un filigrane récurrent est repris.
Pour les polices, l'outil prend la voie directe : les programmes de police intégrés au PDF source sont repris tels quels dans le fichier Word, séparément pour les graisses normale, grasse, italique et grasse italique. Un paragraphe en gras reçoit ainsi les vrais contours dessinés par le créateur de caractères, et non un épaississement recalculé par le traitement de texte. Ce n'est que là où le PDF ne fournit aucune police qu'une substitution aux métriques compatibles et sous licence ouverte intervient, elle aussi intégrée au fichier, de sorte que le document reste correct sur une autre machine où ces polices ne sont pas installées. Le texte hors alphabet latin reçoit en plus le marquage d'écriture et de langue adéquat, pour que Word compose correctement le chinois, le japonais, le coréen, l'arabe ou l'hébreu, écrive de droite à gauche là où il le faut et que le correcteur orthographique choisisse la bonne langue.
Une grande part du travail concerne les PDF qui sortent du rang. Une page enregistrée dans le sens de la largeur est analysée dans son propre sens de lecture, pour qu'un tableau n'arrive pas transposé et qu'un titre ne se retrouve pas à la verticale. Les PDF imprimés depuis le navigateur, par exemple via « Imprimer au format PDF » dans Chrome ou Edge, dessinent les puces sous forme de minuscules carrés vectoriels au lieu de caractères de texte et collent toute une ligne de tableau en une seule ligne de texte : les deux cas sont reconnus d'après la géométrie et redécoupés en véritables listes et en cellules distinctes. Un numéro de page ne devient en-tête ou pied de page que s'il continue réellement de s'incrémenter au fil du document ; une ligne isolée qui ressemble seulement à un numéro de page reste dans le texte, et des identifiants de page variables comme « K-6 » ou « K-86 » sont conservés au lieu d'être écartés comme éléments accessoires.
Deux choses vous sont dites ouvertement plutôt que passées sous silence. Si le PDF source contenait du texte derrière une barre noire opaque tout en restant lisible en tant que texte, l'erreur classique du caviardage par rectangle peint par-dessus, ce texte n'est pas repris dans le fichier Word et vous apprenez sur quelles pages cela s'est produit. Et si des caractères du PDF ne portent aucune valeur Unicode, ce qui fait aussi échouer le copier-coller depuis n'importe quelle visionneuse PDF, leur proportion est chiffrée et vous êtes renvoyé vers « PDF OCR » au lieu d'être laissé avec un trou silencieux. L'analyse et l'assemblage du fichier se font entièrement dans l'onglet du navigateur : votre PDF ne quitte pas votre appareil et, après le premier chargement, l'outil fonctionne aussi hors ligne.
Structure, tableaux, polices et images sont détectés localement et repris dans un DOCX.
Téléchargez le DOCX et continuez à le modifier dans Word ou LibreOffice.
Limites: Restitution structurée, pas une copie au pixel près du PDF. Sont repris : les titres avec niveau hiérarchique, les paragraphes, les listes ordonnées et non ordonnées à plusieurs niveaux, le gras, l'italique, le souligné, le barré, les exposants et indices, les surlignages de texte (ramenés aux couleurs de surlignage de Word), les liens hypertexte cliquables, de vraies notes de bas de page, les images et les graphiques vectoriels dans le fil de lecture, de véritables en-têtes et pieds de page avec champ de numéro de page vivant, ainsi que le format de page, l'orientation, les marges et le nombre de colonnes tirés de la géométrie réelle. Les tableaux sont détectés d'après les filets, d'après un espace intercolonne récurrent ou d'après des lignes du type « champ : valeur » ; pour l'instant, une seule zone de tableau contiguë est évaluée par page, de sorte que plusieurs tableaux encadrés séparément et empilés sur une même page passent volontairement en texte courant plutôt que d'être assemblés de travers, et les tableaux très imbriqués ou à fusions multiples restent faibles. Chaque cellule contient un paragraphe. Autres limites assumées : un fragment coloré à l'intérieur d'un même bloc de texte composé d'un seul tenant perd sa couleur propre, et un surlignage qui n'en couvre qu'une partie colore le bloc entier ; un renvoi sans adresse cible enregistrée dans le PDF est ignoré ; un lien à l'intérieur du texte d'une note de bas de page ne reste pas cliquable ; une liste à puces imbriquée dans une liste numérotée reprend à son niveau la marque numérotée (le contenu et l'imbrication sont justes, seul le signe ne l'est pas) ; si l'en-tête change à chaque chapitre, il reste du texte ordinaire dans le document au lieu de devenir un en-tête propre à chaque chapitre. Les pages à la mise en page très travaillée avec habillage du texte autour des figures sont approchées, et sur les pages comptant plusieurs milliers d'éléments de trait ou vectoriels, la détection des tableaux et des graphiques est ignorée. Les PDF scannés ou uniquement composés d'images n'ont pas de couche de texte : une indication vers « PDF OCR » apparaît alors au lieu d'un résultat vide. Ouvrez d'abord les PDF protégés par mot de passe avec « Déverrouiller un PDF ».
Questions fréquentes
Le PDF est-il envoyé sur un serveur ?
Non. Le PDF est ouvert dans l'onglet du navigateur, analysé sur place, et le fichier Word y est également assemblé ; aucun serveur ne voit jamais le fichier. Après la première visite, l'outil continue de fonctionner même en mode avion, la preuve la plus simple que rien n'est envoyé.
Le fichier Word ressemble-t-il exactement au PDF ?
Non, et c'est voulu. Un PDF est une mise en page figée, un document Word du texte qui s'écoule : une copie point par point ne serait plus vraiment modifiable dans Word. C'est donc le sens qui est repris : titres, paragraphes, listes, tableaux, notes de bas de page, images, en-têtes et pieds de page, ainsi que le format de page et les marges. Les pages très travaillées avec habillage du texte autour des figures sont approchées.
Les titres restent-ils de vrais titres Word ?
Oui. Les lignes composées plus grandes et plus grasses sont reconnues comme titres des niveaux 1 à 6 et reçoivent le niveau hiérarchique correspondant. Ainsi, non seulement les styles fonctionnent, mais aussi le volet de navigation et la table des matières générée automatiquement dans Word, immédiatement et sans que vous ayez à reformater quoi que ce soit.
La police d'origine du PDF est-elle conservée ?
Oui, si le PDF la fournit. Les fichiers de police intégrés au PDF source sont repris tels quels dans le fichier Word, séparément pour les graisses normale, grasse, italique et grasse italique. Ce n'est que lorsqu'une police manque dans le PDF qu'une substitution aux métriques compatibles et sous licence ouverte intervient, elle aussi intégrée, de sorte que le document reste correct sur une machine où ces polices ne sont pas installées.
Les tableaux sont-ils conservés ?
Les tableaux à filets visibles deviennent de vrais tableaux Word, avec des largeurs de colonne tirées de la géométrie mesurée et les fusions de cellules simples préservées. Les tableaux sans filets à espace intercolonne nettement récurrent et les lignes de formulaire du type « champ : valeur » sont également reconnus. Pour l'instant, une seule zone de tableau contiguë est évaluée par page : si plusieurs tableaux encadrés séparément sont empilés, ils passent volontairement en texte courant plutôt que d'être assemblés de travers.
Cela fonctionne-t-il avec des pages pivotées ou en paysage ?
Oui. Une page enregistrée pivotée dans le PDF est analysée dans son propre sens de lecture et non dans celui du reste du document. Un tableau sur une telle page conserve ainsi ses lignes et ses colonnes dans le bon sens, et un titre n'est pas traité à tort comme du texte composé à la verticale.
Les listes à puces d'un PDF imprimé depuis le navigateur sont-elles reconnues ?
Oui. Lors de l'impression au format PDF, Chrome et Edge dessinent les puces d'une liste non pas comme des caractères de texte mais comme de minuscules carrés vectoriels, ce qui rend les marqueurs invisibles pour un lecteur de texte pur. L'outil les reconnaît à leur taille et au fait qu'elles s'alignent dans une même colonne, puis restitue la liste avec tous ses niveaux. De la même source, les lignes de tableau collées entre elles sont redécoupées en cellules distinctes.
Les images, les liens et les notes de bas de page sont-ils repris ?
Oui, les trois. Les images intégrées sont insérées à leur place dans le fil de lecture, avec une largeur plafonnée et des proportions intactes ; les graphiques tracés uniquement en vectoriel sont eux aussi reconnus comme figures. Les renvois dotés d'une cible enregistrée deviennent des liens hypertexte cliquables, et les notes en bas de page de vraies notes Word. Un renvoi sans adresse cible est ignoré, et un lien à l'intérieur du texte d'une note ne reste pas cliquable.
Qu'advient-il du texte masqué par une barre noire dans le PDF source ?
Il n'est pas repris dans le fichier Word. Si le caviardage a consisté à peindre un rectangle noir par-dessus le texte au lieu de le supprimer réellement, le texte reste parfaitement lisible dans le PDF, une erreur fréquente et lourde de conséquences. L'outil détecte le texte entièrement situé derrière une surface sombre opaque, l'écarte et vous indique sur quelles pages cela s'est produit.
Que se passe-t-il avec un PDF scanné ?
Un scan est composé d'images et n'a pas de couche de texte. L'outil le dit honnêtement et renvoie vers « PDF OCR » plutôt que de produire un fichier Word vide. Si un fichier contient bien du texte mais que ses caractères ne portent aucune valeur Unicode, la proportion concernée est chiffrée : le copier-coller depuis une visionneuse PDF échoue alors aussi, et l'OCR est le chemin de retour vers le texte.
Uniquement avec votre accord, nous mesurons l'utilisation de manière anonymisée via des cookies afin d'améliorer gottrix. Vos fichiers restent toujours en local, sur votre appareil. Confidentialité