Convertir un PDF en images quand un site refuse les PDF

PNG ou JPEG est la décision qui se voit

Le JPEG obtient sa taille en jetant du détail à haute fréquence, sur l'hypothèse raisonnable qu'une photographie en contient plus qu'un œil n'en perçoit. Une page de texte est le cas pathologique de cette hypothèse : une lettre n'est qu'un bord à haute fréquence, du noir rencontrant du blanc en l'espace d'un pixel. L'encodeur traite chacun de ces bords comme du bruit à lisser et laisse une légère sonnerie grise autour de chaque caractère — l'effet dit de bruit de moustique. C'est subtil à haute qualité et parfaitement visible dès que le fichier a été comprimé jusqu'à ce qu'un formulaire l'accepte.

Le PNG fait l'arbitrage inverse, et il se trouve qu'il convient aux documents. Il est sans perte, donc un bord reste un bord, et il compresse en trouvant des suites de pixels identiques — ce qu'une page composée de neuf parts de blanc pour une de noir fournit en abondance. Le résultat est souvent non seulement plus propre mais plus petit. La règle tient au contenu plutôt qu'à une préférence de format : si la page est du texte, des tableaux, des formulaires ou des traits, PNG. Si c'est une photographie qui se trouve dans un PDF, JPEG.

Ce que tu perds à l'instant du rendu

Un PDF issu d'un traitement de texte contient le texte comme du texte : le destinataire peut le sélectionner, le chercher, en copier un numéro de compte, et tout système qui indexe des documents peut le lire. Rendre chaque page en image met fin à tout cela. Ce qui arrive est une image de page, et les mots dedans sont des formes. Personne ne peut chercher un numéro de référence, un lecteur d'écran n'a rien à annoncer, et un système qui comptait extraire un total n'en trouvera aucun.

C'est un coût réel, et il vaut la peine d'être payé délibérément. Convertis parce que la destination ne prend pas de PDF, pas parce que les images semblent plus simples. Si la raison de la conversion est que le PDF est trop gros, la conversion n'aidera pas — une image de page est presque toujours plus lourde que la page dont elle vient, car l'instruction compacte « dessine ce glyphe ici » devient plusieurs milliers de pixels.

La résolution, en pixels plutôt qu'en adjectifs

Les outils proposent en général bas, moyen et élevé, ce qui ne dit rien sur la lisibilité du résultat. Le nombre qui compte est les points par pouce appliqués à une page de taille fixe. Une page A4 à 150 ppp devient 1240 sur 1754 pixels — plus haute que la plupart des écrans, donc affichée en pleine finesse sans zoomer. À 300 ppp elle devient 2480 sur 3508, soit quatre fois plus de pixels et quatre fois plus de poids, et cela n'apporte rien à l'écran. Cela apporte beaucoup si la page doit être imprimée, car une impression à 150 ppp paraît molle, et cela apporte de la précision si un système de reconnaissance de texte doit lire l'image, car la précision de reconnaissance chute nettement sous 300.

Une image par page, et que faire quand il y en a trente

Le rendu produit un fichier par page, ce qui est évident en principe et gênant en pratique quand le formulaire n'a qu'un seul champ d'envoi. Trois issues, dans l'ordre à essayer : n'envoie que les pages réellement demandées, souvent une ou deux, et c'est à cela que sert l'extraction ; vérifie si le champ accepte plusieurs fichiers, ce que beaucoup font sans le dire ; ou demande si le PDF est vraiment refusé, car un nombre surprenant de formulaires le rejettent par erreur de configuration plutôt que par politique.

Le convertisseur de ce site s'arrête aux 30 premières pages, ce qui est une limite délibérée et non une panne : le rendu se fait sur ton propre processeur, et un document de cent pages à 300 ppp fait cent images de près de neuf mégapixels chacune, de quoi épuiser un téléphone. S'il te faut plus de trente pages en images, découpe d'abord le document et convertis chaque partie — la contrainte est la mémoire, et diviser l'entrée par deux divise le pic par deux.

L'aller-retour qui te coûte en silence

Une manœuvre tentante consiste à convertir un PDF en images, puis à reconstruire un PDF à partir de ces images — pour aplatir un formulaire, disons, ou pour retirer quelque chose. Cela fonctionne, et il vaut mieux savoir ce que cela coûte : le résultat est un PDF dont le texte n'est plus du texte, plusieurs fois plus lourd que l'original, et cela ne peut jamais être défait. Quel que soit ton but, vérifie d'abord s'il existe un moyen de l'atteindre sans passer par les pixels, car l'aller-retour est une porte à sens unique.

Une table de décision à garder

Deux questions règlent presque tous les cas. Ce qu'il y a sur la page — texte ou photographie — choisit le format. Qui lit le résultat — un écran, une imprimante ou une machine — choisit la résolution. Tout le reste découle de ces deux-là, et les poser correctement du premier coup fait la différence entre un envoi et une conversation avec un service d'assistance.

Questions fréquentes

Pourquoi mon PNG est-il plus gros que tout le PDF ?

Parce que tu as remplacé une description par une image. Dans le PDF, une page de texte est une courte liste d'instructions nommant des glyphes et des positions, et les polices sont partagées par toutes les pages. Le rendu transforme cela en deux millions de pixels qu'il faut bien stocker d'une façon ou d'une autre. Plus la résolution est forte, plus l'écart se creuse. Si le poids était le problème que tu cherchais à résoudre, convertir en images est exactement la mauvaise direction.

Puis-je récupérer le texte depuis les images ensuite ?

Seulement en leur appliquant une reconnaissance de texte, qui lit les formes et devine les caractères. C'est bon et ce n'est pas l'original : elle se trompe sur les polices inhabituelles, les petits caractères, les tableaux et tout ce qui est manuscrit, et elle ne te donne aucun moyen de savoir quels mots elle a ratés. Garde le PDF d'origine. La reconnaissance est ce qu'on utilise quand l'original a réellement disparu, pas un substitut au fait de ne pas l'avoir jeté.

Le formulaire veut une image et mon document fait six pages. Que faire ?

Envoie la page qui répond à la question, pas le document. Un formulaire qui demande un justificatif de domicile veut la page où figure l'adresse, et une facture de six pages jointe en entier est une corvée pour l'instructeur plutôt qu'un dossier plus solide. Extrais d'abord la page et ne convertis qu'elle. Si plusieurs pages sont réellement exigées et qu'un seul fichier est permis, demande — cette combinaison est généralement une erreur de configuration, et le support peut soit relever la limite, soit accepter un autre format.

Convertir en images retire-t-il les données cachées du PDF ?

Elle retire ce qui était dans le document — calques, annotations, valeurs de formulaire, le graphe d'objets, du texte sous un rectangle noir — car le rendu ne conserve que ce qui est visible sur la page. Cela en fait un vrai moyen d'aplatir quelque chose, et c'est la raison pour laquelle on y recourt. Elle ne retire pas ce que porte l'image elle-même : le fichier rendu reçoit ses propres métadonnées, et si tu le photographies ou le réédite ensuite, d'autres peuvent s'accumuler. Aplatir et nettoyer les métadonnées sont deux travaux distincts.

Pourquoi le convertisseur s'arrête-t-il à trente pages ?

Parce que le rendu se fait sur ton appareil plutôt que sur un serveur, et que chaque page devient une image en pleine taille conservée en mémoire avant de pouvoir être enregistrée. Trente pages à une résolution lisible représentent déjà beaucoup de mémoire sur un portable et frôlent le plafond sur un téléphone. La limite est là pour que l'onglet aille au bout plutôt que d'être tué à mi-chemin. S'il t'en faut davantage, découpe le document et convertis les parties — le travail total est le même, le pic ne l'est pas.