Faire passer un PDF sous une limite de 10 Mo

Les mégaoctets sont à l'un de deux endroits, et cela décide de tout

Un PDF est un conteneur. À l'intérieur, une page peut être décrite comme des instructions — dessine ce glyphe ici, dans cette police, trace ce trait — ou comme une photographie de page. Le premier type est ce que produisent un traitement de texte, un tableur ou un outil de reporting. C'est étonnamment compact : une page de texte dense fait quelques kilo-octets d'instructions, et les polices sont partagées par tout le document plutôt que répétées. Le second type est ce que produisent un scanner ou l'appareil photo d'un téléphone : une photographie d'une feuille de papier, stockée en JPEG, une par page.

L'arithmétique qui suit n'a rien de serré. Un contrat de douze pages exporté depuis un traitement de texte fait souvent moins de 200 Ko au total. Les mêmes douze pages scannées à 300 ppp sont douze photographies d'environ 8,7 mégapixels chacune, et pèsent quelque chose comme 12 Mo. Rien du contenu n'a changé ; c'est la représentation qui a changé. C'est pourquoi le conseil générique « compresse le PDF » ne sert à rien sans savoir lequel des deux tu as : les deux cas n'ont presque rien en commun sinon l'extension du fichier.

Ce que la compression structurelle enlève réellement

Un PDF est fait d'objets numérotés, et le fichier porte une table de références croisées disant où commence chacun. Éditer un document plusieurs fois, ou le générer depuis un modèle, laisse cette structure grasse : des objets que plus rien ne référence, des dictionnaires répétés une fois par page au lieu d'être partagés, une table de références à laquelle on a ajouté au lieu de la réécrire. Réécrire le fichier avec des flux d'objets empaquette de nombreux petits objets dans un unique flux compressé et remplace la table par un équivalent compressé. C'est ce que fait le compresseur de ce site, et c'est réellement sans perte : chaque glyphe, chaque trait, chaque pixel est bit pour bit ce qu'il était.

La limite honnête est l'autre face de cette phrase. Parce qu'elle est sans perte, elle ne peut pas toucher aux flux d'images : un JPEG dans le PDF en ressort identique. Sur un document scanné, la structure est une mince enveloppe autour d'un tas de photographies, si bien qu'ôter le gaspillage structurel ôte une erreur d'arrondi. L'outil te dira qu'il n'a presque rien gagné, et il dira vrai : il n'y avait presque rien à gagner.

La résolution est quadratique, et c'est tout le levier

La page ne change pas de taille, donc la résolution se multiplie dans deux directions à la fois. Passer de 300 ppp à 200 ppp, c'est un facteur deux tiers sur chaque axe, et deux tiers au carré font quatre neuvièmes : 44,4 % des pixels, 55,6 % retirés. Passer de 300 à 150, c'est la moitié sur chaque axe et donc le quart des pixels. C'est pourquoi la résolution est le seul levier qui ait un vrai bras de levier sur un scan, et pourquoi de petits réglages y produisent de grands écarts de poids.

Où s'arrêter est un jugement sur qui lit le document. Deux cents ppp est le plancher habituel inscrit dans les cahiers des charges administratifs, et à cette résolution le texte courant et les signatures restent nets à l'écran et s'impriment correctement. Cent cinquante reste lisible mais commence à ramollir les petits caractères, les notes de bas de page et les empreintes de tampon. En dessous, les caractères fusionnent. Et si le document doit être passé à un système de reconnaissance de texte plutôt que lu par une personne, ne réduis pas du tout : la précision de la reconnaissance chute nettement sous 300 ppp, et un formulaire rejeté est un plus mauvais résultat qu'une seconde tentative d'envoi.

La route quand tu ne peux pas rescanner

Souvent le scan vient d'ailleurs et l'original a disparu. Le chemin consiste à démonter le PDF et à le reconstruire : exporte chaque page en image, réduis ces images, et assemble un nouveau PDF à partir du lot réduit. Cela fait trois étapes au lieu d'une, et chaque étape tourne dans le navigateur, si bien qu'une fiche de paie ou un formulaire médical ne voyage pas pour autant.

Une mise en garde sur le ré-encodage JPEG répété, car cette route en comporte. Un JPEG décodé puis ré-encodé perd un peu à chaque fois, et la perte se cumule ; elle est invisible après un passage à une qualité raisonnable, et visible après cinq. Fais la réduction une fois, à la résolution dont tu as réellement besoin, plutôt que de raboter le fichier en plusieurs tentatives. Si la première tentative va trop loin, reviens au PDF d'origine et recommence au lieu de réduire à nouveau la copie déjà réduite.

Quand découper vaut mieux que réduire

Lis la limite attentivement avant de dégrader quoi que ce soit. La plupart des formulaires plafonnent chaque pièce jointe et non l'envoi, et beaucoup en acceptent plusieurs. Un scan de 14 Mo qui doit rester à 300 ppp parce qu'il sera lu par une machine se découpe en deux moitiés de 7 Mo qui passent toutes les deux à pleine qualité. C'est un meilleur résultat qu'un fichier unique à 150 ppp sur lequel le système de reconnaissance échouera ensuite.

Deux mises en garde plus petites méritent d'être connues. Certains formulaires mesurent la taille encodée d'un envoi plutôt que le fichier sur disque, ce qui pour une pièce jointe de courriel ajoute environ un tiers ; si tu envoies par courriel plutôt que par formulaire, vise environ 7 Mo pour passer un plafond de 10 Mo. Et un PDF protégé par mot de passe ne peut être ni restructuré ni découpé sans ce mot de passe, car l'outil ne peut pas lire la structure d'objets qu'il devrait réécrire — retire la protection d'abord, travaille, puis remets-la.

Une décision que la seule taille du fichier te donne

Mis bout à bout, la règle tient en une ligne : les kilo-octets par page te disent quel problème tu as, et le problème te dit quel outil. Les PDF texte répondent à la compression structurelle et ne perdent rien ; les scans ne répondent qu'à la résolution et perdent du détail en échange. Se tromper d'outil coûte quelques secondes ; savoir lequel est lequel transforme un refus de formulaire en problème résolu, généralement du premier coup.

Questions fréquentes

Je l'ai compressé et il n'a presque pas bougé. L'outil est-il cassé ?

Presque certainement pas — il te dit que le fichier est un scan. La compression structurelle est sans perte, elle ne peut donc pas ré-encoder les images à l'intérieur du PDF, et sur un document scanné les images sont pour l'essentiel tout le fichier. Un résultat d'un ou deux pour cent signifie qu'il y avait un ou deux pour cent de gaspillage structurel et rien d'autre à prendre. Regarde les kilo-octets par page : au-dessus d'environ 300 Ko, la réponse est la résolution, pas la compression.

Réduire la résolution rend-il le document juridiquement invalide ?

Réduire la résolution n'affecte pas en soi la validité, mais deux choses le peuvent. Si le document porte une signature électronique, toute modification la casse — la signature couvre les octets exacts, donc un PDF reconstruit est un autre document du point de vue de la signature, et elle s'affichera comme invalide. Et certaines procédures imposent une résolution minimale dans leurs propres règles, couramment 200 ou 300 ppp. Vérifie l'exigence énoncée par le formulaire avant de réduire, et si le fichier est signé, ne le reconstruis pas du tout : découpe-le, ou demande si la signature peut être réapposée.

Pourquoi la même page prend-elle plus de place en couleur qu'en niveaux de gris ?

Parce que la couleur stocke trois canaux là où le gris en stocke un, et parce que le bruit photographique d'un scan couleur se compresse mal. Sur un original en noir et blanc — une lettre, un formulaire, un contrat — scanner en niveaux de gris plutôt qu'en couleur retire typiquement un tiers à une moitié de plus à résolution égale, et ne perd rien de ce qui était dans le document au départ. Ne scannez en couleur que lorsque la couleur porte du sens : un tampon, un passage surligné, un graphique, une pièce d'identité.

Puis-je simplement zipper le PDF ?

Cela ne gagnera presque rien, car un PDF est déjà compressé à l'intérieur : ses flux sont compressés en deflate, et les images sont des JPEG, c'est-à-dire des données déjà compressées. Zipper des données compressées gagne typiquement un ou deux pour cent. Et en pratique cela aggrave généralement les choses : beaucoup de formulaires refusent purement et simplement les archives, et un instructeur obligé de décompresser une pièce jointe est un instructeur agacé sans contrepartie.

La limite indique 10 Mo et mon fichier fait 9,4 Mo, mais il est refusé. Pourquoi ?

Généralement l'une de trois choses. La limite peut porter sur l'envoi entier plutôt que sur chaque pièce jointe, auquel cas tes autres fichiers comptent aussi. Le système peut mesurer l'envoi encodé plutôt que le fichier sur disque, ce qui ajoute environ un tiers pour une pièce jointe de courriel. Ou bien le mégaoctet lui-même est ambigu : 10 Mo peuvent signifier 10 000 000 octets ou 10 485 760, et un fichier que le système appelle 9,4 Mo peut dépasser le plus petit des deux. Vise une marge confortable — autour de 7 Mo contre un plafond de 10 Mo — plutôt que d'essayer de passer tout juste.