PDF en Excel

Un PDF ne stocke pas de tableaux. Il stocke du texte positionné : ce glyphe à ces coordonnées, et rien d'autre. Ce que votre oeil lit comme une grille de lignes et de colonnes n'est, pour le fichier, qu'un ensemble de chaînes qui se trouvent alignées. Il n'existe aucune trace de ce qui indiquait qu'une valeur appartenait à telle colonne, ni même qu'une colonne existait.

Convertir en Excel consiste donc à reconstituer une intention à partir d'une géométrie. Il faut regrouper les caractères en cellules, déduire les limites de colonnes des blancs verticaux, repérer les lignes d'en-tête et décider où un tableau s'arrête et où le paragraphe suivant commence. C'est une déduction, pas une lecture.

Cela rend les résultats prévisibles plutôt que capricieux. Un relevé bien aligné se reconstruit presque parfaitement ; un tableau aux cellules fusionnées, aux en-têtes sur deux niveaux et aux notes de bas de page glissées entre les lignes demandera une reprise, parce que l'information qui permettrait de trancher n'a jamais été écrite dans le fichier.

Chaque page est analysée de deux manières. La première suit les filets : les traits tracés sur la page délimitent les cellules, et quand un tableau est encadré, c'est de très loin la méthode la plus fiable. La seconde ignore complètement les traits et travaille sur l'alignement du texte, en cherchant les couloirs verticaux de blanc que des colonnes laissent forcément derrière elles.

Les deux sont nécessaires parce que les tableaux du monde réel se répartissent en deux familles. Les documents comptables, les factures et les formulaires administratifs sont généralement encadrés. Les relevés bancaires, les listes de prix et les exports de systèmes internes ne le sont presque jamais : ils tiennent uniquement par l'alignement, et une détection fondée sur les filets n'y verrait rien du tout.

Le meilleur des deux résultats l'emporte, page par page. Un document qui mélange les deux styles — ce qui est courant dès qu'un rapport agrège des sources différentes — n'a donc pas à être traité en deux passes.

C'est le détail qui décide si la conversion vous fait gagner du temps ou vous en coûte. Un montant extrait sous forme de texte ressemble à un nombre, s'aligne comme un nombre et refuse de s'additionner : Excel le traite comme une chaîne, la somme renvoie zéro, et vous passez un quart d'heure à convertir des colonnes avant de pouvoir travailler.

Les valeurs numériques sont donc écrites dans de vraies cellules numériques, et les dates dans de vraies dates. Vous pouvez trier, filtrer et sommer dès l'ouverture du fichier.

Une réserve qui vaut d'être connue : les séparateurs décimaux et de milliers varient d'un document à l'autre, et un relevé rédigé selon une convention étrangère peut donner des valeurs mal interprétées. Sur un document dont vous ne connaissez pas l'origine, vérifiez une colonne de totaux avant de vous fier au reste.

Une feuille par page source, nommée Page 1, Page 2, et ainsi de suite. C'est délibéré : cela conserve la correspondance avec le document d'origine, si bien qu'une valeur suspecte peut toujours être remontée jusqu'à la page dont elle provient.

Lorsqu'une page porte plusieurs tableaux, ils sont empilés sur cette feuille avec une ligne vide entre eux, plutôt que fusionnés silencieusement. Deux tableaux réunis par erreur produisent des colonnes qui n'ont jamais rien eu en commun, et c'est la catégorie d'erreur la plus difficile à repérer après coup.

Si votre PDF ne contient aucun tableau, vous recevez un message clair plutôt qu'un fichier vide. Cet outil convertit des données tabulaires ; pour de la prose, des courriers ou des rapports, PDF en Word conserve la mise en page et vous rend un document modifiable.