Extraire quelques pages d'un relevé sans rien installer

Extraire et supprimer ne mènent pas au même endroit

Un PDF est une collection numérotée d'objets — descriptions de pages, polices, images, flux d'instructions de dessin — avec une table qui note où chacun réside et lesquels sont actuellement référencés. La liste des pages est elle-même un objet de plus, un arbre pointant vers les objets-pages dans l'ordre. Retirer une page de cet arbre est une petite modification : la page cesse d'être affichée et cesse d'être comptée. Que l'objet qu'elle désignait soit aussi effacé du fichier est une décision distincte, et beaucoup d'éditeurs ne la prennent pas, en particulier quand ils enregistrent en ajoutant les modifications à la fin du fichier plutôt qu'en le réécrivant.

L'extraction n'a pas cette ambiguïté, parce qu'elle travaille dans l'autre sens. Elle crée un document vide et n'y copie que les pages demandées, avec les ressources dont ces pages ont besoin. Rien ne reste derrière parce que rien d'autre n'a jamais été amené. C'est toute la raison de la préférer : la garantie vient de la construction, pas de la confiance faite à un outil pour avoir nettoyé derrière lui.

Le rectangle noir est l'erreur la plus coûteuse ici

Il vaut mieux être direct là-dessus, parce que cela a mis dans l'embarras des gouvernements, des cabinets d'avocats et des journaux, de façon répétée et publique. Une page de PDF est dessinée en couches, et une annotation dessinée en dernier se pose au-dessus de ce qui précède. Poser un rectangle noir plein sur un numéro de compte change l'apparence de la page et ne change rien à son contenu. Le texte en dessous est toujours un objet du fichier. Il peut être sélectionné au curseur, copié, extrait par n'importe quel outil d'extraction de texte, et lu par un moteur de recherche qui indexe le document.

La façon fiable de retirer quelque chose d'une page que tu gardes est d'empêcher le texte d'exister. Transforme la page en image, peins sur la zone dans cette image pour que les pixels eux-mêmes changent, et construis un nouveau PDF à partir du résultat. Tu perds le texte sélectionnable sur cette page, et c'est le but : il n'y a plus de texte à sélectionner. C'est un coût réel — la page n'est plus cherchable ni lisible par les technologies d'assistance — alors applique-le aux pages qui en ont besoin et pas au document entier.

Les numéros imprimés ne sont pas les numéros du fichier

Cela attrape presque tout le monde une fois. L'extraction compte les pages physiques à partir de un ; le numéro imprimé sur la page compte ce que le concepteur du document a décidé. Un relevé avec une page de garde non numérotée place la page imprimée 1 en page physique 2 : demander les pages 3 à 5 te donne donc les pages imprimées 2 à 4 — assez plausible pour que tu ne le remarques pas, assez faux pour que le destinataire le remarque. Les rapports annuels dont les préliminaires sont en chiffres romains décalent davantage, et un document assemblé depuis plusieurs sources peut recommencer sa numérotation en cours de route.

Le remède est de lire la position physique et non l'étiquette imprimée. Fais défiler jusqu'à la page voulue et note où elle se situe dans le compteur de la visionneuse, qui compte physiquement. Puis extrais, ouvre le résultat, et confirme que tu as le contenu voulu et non les numéros demandés. Sur un document dont toutes les pages se ressemblent — douze mois de la même mise en page de relevé — cette confirmation est la seule chose qui te sépare d'envoyer février quand on te demandait mars.

Ce qui voyage avec une page extraite, et ce qui reste

Le contenu propre de la page arrive intact — texte, polices, images, dessin vectoriel. Ce qui appartient au document plutôt qu'à la page ne suit généralement pas. Les signets pointant vers des pages non retenues n'ont nulle part où aller. Les liens internes, une table des matières, les renvois vers d'autres sections se cassent ou disparaissent. Les champs de formulaire peuvent survivre comme champs ou être aplatis selon l'outil. Si l'un de ces éléments compte pour ce que tu envoies, vérifie-le sur le fichier extrait plutôt que de le supposer.

Une chose voyage bien, et il ne faut pas l'oublier : les métadonnées. Auteur, application productrice, dates de création et de modification, parfois un historique d'édition complet vivent au niveau du document et sont fréquemment recopiés dans le nouveau fichier. Sur un document que tu envoies hors de ton organisation, cela peut en révéler plus que les pages elles-mêmes — le nom de la personne qui l'a préparé, le modèle interne dont il vient, le fait qu'il a été modifié il y a une heure.

Envoyer les pages, ou tout envoyer ?

Il y a ici une vraie tension, et la réponse honnête dépend de qui demande. Un propriétaire, un employeur ou un prêteur qui réclame la preuve d'une chose n'a aucun droit sur le reste de ta vie financière : n'envoyer que les pages pertinentes est à la fois raisonnable et, au regard du principe de minimisation des données, la meilleure pratique. Une administration fiscale ou un auditeur qui demande une période voudra généralement toute la période, et extraire les parties que tu juges pertinentes ressemble à un tri — l'apparence de choisir ses preuves peut te coûter plus cher que la divulgation.

Une voie moyenne pratique couvre la plupart des cas : envoie le document complet pour la période demandée, en retirant au niveau du pixel ce qui est réellement hors sujet et sensible, plutôt qu'en omettant des pages. La séquence reste intacte et vérifiable — les numéros se suivent sans trou, les soldes se reportent — sans pour autant livrer ce que personne n'a demandé. Quel que soit ton choix, dis ce que tu as fait dans le message d'accompagnement. « Pages 3 à 5 du relevé de mars » n'appelle aucun soupçon ; un trou silencieux entre la page 2 et la page 6 en appelle beaucoup.

Vérifie le résultat, pas l'opération

Tous les ratés de cet article sont invisibles dans l'outil et visibles dans la sortie. Le fichier extrait porte les mauvaises pages ; la page que tu as caviardée rend encore du texte quand tu y passes le curseur ; les métadonnées nomment encore ton collègue. Les trois se vérifient en quelques secondes sur le fichier que tu te apprêtes à envoyer, et aucun ne se vérifie sur celui d'où tu es parti. Ouvre le résultat, compte les pages, essaie de sélectionner ce que tu as masqué, et seulement ensuite joins-le.

Questions fréquentes

Le destinataire peut-il voir que je n'ai extrait qu'une partie du document ?

Généralement oui, et c'est très bien. Des numéros de page imprimés, un en-tête indiquant « page 3 sur 12 », un solde courant qui commence en cours de route : tout cela le rend évident, et rien n'est problématique dès lors que tu as dit ce que tu envoyais. C'est en cherchant à déguiser l'extraction que cela le devient : un relevé partiel présenté comme complet est une bien plus mauvaise chose qu'un relevé partiel décrit comme partiel.

L'extraction réduit-elle la taille proportionnellement ?

En gros, mais pas exactement, et cela peut surprendre dans les deux sens. Les polices et images partagées par tout le document doivent être emportées dès qu'une page extraite les utilise : trois pages sur douze peuvent donc peser plus du quart de l'original. À l'inverse, si les pages écartées portaient toutes les grandes images, trois pages peuvent ne presque rien peser. Juge sur le fichier obtenu, pas sur la fraction de pages.

Comment vérifier qu'un caviardage a réellement fonctionné ?

Ouvre le fichier final, passe le curseur sur la zone noircie et copie. Puis colle dans n'importe quelle zone de texte. Si quelque chose apparaît, l'information est toujours dans le document et la forme noire est un décor. Fais de même avec la page entière sélectionnée — le texte caché est parfois atteignable ainsi même quand un glisser direct semble vide. Si la page a été transformée en image, rien n'y sera sélectionnable nulle part, ce qui est à la fois la confirmation et le prix payé.

Le fichier est protégé par mot de passe. Puis-je quand même extraire des pages ?

Pas tant que la protection n'est pas retirée, et cela demande le mot de passe qu'on t'a donné. L'outil ne peut pas lire la structure de pages d'un document chiffré, donc il ne peut pas en extraire des pages. Les relevés bancaires arrivent ainsi couramment, avec un mot de passe généralement dérivé d'une date de naissance ou d'un numéro client. Retire la protection, extrais, puis décide si l'extrait doit être protégé à nouveau — pour un envoi vers un portail via une connexion chiffrée, généralement non.

Découper un gros document est-il un bon moyen de passer sous une limite d'envoi ?

Souvent le meilleur, et meilleur que de dégrader le fichier, car la plupart des formulaires plafonnent chaque pièce jointe et non l'envoi entier. Deux moitiés de 6 Mo passent là où un fichier de 12 Mo ne passe pas, et aucune des deux n'a perdu en qualité. C'est particulièrement la bonne réponse quand le document doit rester en pleine résolution parce qu'un système de reconnaissance va le lire. Nomme les parties pour que l'ordre soit évident — « relevé 1 sur 2 » — et dis dans le message qu'il est découpé.