Le DOC est le binaire Word d'avant 2007, que la plupart des outils modernes ouvrent à contrecœur. Le PDF est une mise en page figée, sans structure de titres sur laquelle une machine puisse s'appuyer. LibreOffice se tient entre les deux, et cette page dit exactement ce qui arrive à un fichier DOC en route vers le PDF.
Ce qui s'exécute quand un fichier DOC devient un PDF
LibreOffice 24.2, sur une machine que nous louons et que nous surveillons. Votre fichier DOC est envoyé une fois, LibreOffice s'exécute une fois, le fichier PDF revient, et aucun des deux fichiers n'est conservé. DOC vers PDF fait partie des 3649 paires sur lesquelles ce moteur a été sondé avec un vrai fichier, et c'est pour cela que cette page existe quand celles que la sonde n'a pas su prouver n'existent pas.
Ce qui survit du fichier DOC dans le fichier PDF
La mise en page du DOC, à l'identique. LibreOffice rend votre fichier DOC comme il l'imprimerait : marges, colonnes, sauts de page, en-têtes et pieds de page arrivent dans le PDF là où l'auteur les avait mis.
Les polices, embarquées dans le PDF, pour que votre document DOC se lise pareil sur une machine où ces polices n'ont jamais été installées.
Les tableaux du DOC, dessinés tels qu'ils étaient dessinés. Bordures, cellules fusionnées et largeurs de colonnes survivent dans le PDF parce qu'ils y sont peints plutôt que redécrits.
Les listes numérotées et à puces, les notes de bas de page et la table des matières du DOC, toutes figées dans le PDF à la position où elles ont été rendues.
Ce que la conversion DOC vers PDF vous coûte
La modifiabilité. Un PDF est un point final : personne en aval ne peut changer une phrase sans repasser par votre fichier DOC. Parfois c'est exactement le but, parfois c'est exactement le problème.
La structure exploitable par une machine. Le PDF n'a ni hiérarchie de titres, ni sémantique de liste, ni modèle de tableau : tout ce que le fichier DOC savait de lui-même s'arrête au stade de l'impression. Un programme qui lit le PDF voit des glyphes positionnés et devine le reste.
Les modifications suivies et les commentaires s'impriment dans le PDF selon les réglages du document DOC, ce qui correspond rarement à ce qu'on attend la première fois qu'on essaie.
D'où viennent les fichiers DOC et PDF
DOC. Word l'écrivait avant 2007. C'est un binaire composite OLE2 et non une archive zip de XML, et cette différence explique pourquoi les analyseurs modernes, les filtres de courrier et les chaînes documentaires le refusent de plus en plus franchement plutôt que de le lire à moitié.
Si un modèle doit lire le fichier PDF
À savoir avant que ce PDF n'approche un assistant : c'est le mauvais sens. Un PDF est un ensemble de glyphes positionnés, et un modèle doit reconstruire l'ordre de lecture avant même de commencer. Si ce fichier DOC doit être lu par une machine plutôt que par une personne, convertissez-le en Markdown : la reconstruction disparaît.
DOC vers PDF, mesuré plutôt que promis
En passant DOC vers PDF sur le moteur réel avec un vrai fichier, LibreOffice a écrit 11 917 octets au format PDF en 1,1 secondes, machine par ailleurs au repos. C'est un fichier DOC un jour donné et non une moyenne, et c'est pourquoi le nombre est donné avec le fichier qui l'a produit.
Le verdict DOC vers PDF a été obtenu par une signature de format, c'est-à-dire que au moins quatre octets propres au format ont été trouvés au bon décalage. Le contrôle employé compte, parce qu'ils ne prouvent pas tous la même chose, et un code de statut 200 ne prouve strictement rien sur ce que le fichier PDF contient.
Le même fichier DOC, envoyé ailleurs
Les autres sorties que la sonde a mesurées à partir d'un fichier DOC, pour que le coût du choix du format PDF se lise face à quelque chose. Les tailles ne se comparent pas d'un moteur à l'autre, chaque famille ayant été sondée avec son propre fichier témoin DOC.
DOC vers DOCX : 5 462 octets en 1,1 secondes, vérifié par une signature de format.
DOC vers TXT : 268 octets en 1,1 secondes, vérifié par la relecture du type interne et la recherche d'un mot témoin.
DOC vers HTML : 1 626 octets en 1,1 secondes, vérifié par la relecture du type interne et la recherche d'un mot témoin.
DOC vers RTF : 4 321 octets en 1,1 secondes, vérifié par la relecture du type interne et la recherche d'un mot témoin.
DOC vers ODT : 12 484 octets en 1,2 secondes, vérifié par la relecture du type interne et la recherche d'un mot témoin.
Les autres routes vers PDF, et ce qu'elles ont mesuré
Parmi les routes publiées vers PDF, DOC est la 21e plus grosse sortie des 26 mesurées. Les fichiers témoins diffèrent : ce classement porte sur la sonde et non sur votre document.
XLSX vers PDF : 18 965 octets en 1,1 secondes.
XLS vers PDF : 18 519 octets en 1,0 secondes.
PPTX vers PDF : 20 929 octets en 1,2 secondes.
PPT vers PDF : 20 740 octets en 1,1 secondes.
ODT vers PDF : 11 917 octets en 1,1 secondes.
Ce que nous ne prétendrons pas sur DOC vers PDF
Un fichier DOC de plus de 25 Mo est refusé avant la fin de l'envoi plutôt qu'après, pour que vous n'attendiez pas un refus.
Une conversion DOC vers PDF qui dépasse 90 secondes est tuée, et le processus LibreOffice avec elle. Une exécution abandonnée resterait posée sur l'un des deux cœurs de la machine jusqu'à ce que quelqu'un le remarque.
LibreOffice est sérialisé exprès, un document à la fois par travailleur, parce que chaque instance de soffice prend 150 à 300 Mo sur une machine qui en a 3,8 Go. Plafond mesuré : 23 conversions DOC en vol et environ 0,9 par seconde en régime établi. Au-delà, la file répond 429 plutôt que de s'écrouler, ce qui a été testé à 32 simultanées.
Un fichier DOC à la fois, choisi dans le navigateur. Il n'y a rien d'autre à régler et rien d'autre à proposer.
DOC vers PDF : les questions que l'on pose
Qu'est-ce qui convertit vraiment mon fichier DOC en PDF ?
C'est LibreOffice qui s'en charge, en 24.2, sur une machine que nous louons et que nous surveillons. Ni astuce de navigateur, ni service d'un tiers : le fichier DOC est envoyé une fois, LibreOffice s'exécute une fois, le PDF revient, et aucun des deux fichiers n'est conservé ensuite.
Combien de temps prend une conversion DOC vers PDF ?
Sur le fichier utilisé par la sonde, LibreOffice a mis 1,1 seconde et écrit 11 917 octets de PDF. C'est une mesure réelle sur un fichier DOC réel, pas une moyenne et pas une promesse sur le vôtre : un DOC plus gros prend plus longtemps, et au-delà de 90 secondes l'exécution est arrêtée.
Qu'est-ce que je perds en passant du DOC au PDF ?
Celle qu'il faut connaître en premier : la modifiabilité. Un PDF est un point final : personne en aval ne peut changer une phrase sans repasser par votre fichier DOC. Parfois c'est exactement le but, parfois c'est exactement le problème.
Peut-on chercher dans le PDF ensuite ?
Oui. Le texte de votre fichier DOC est écrit dans le PDF comme du texte, pas comme une image de texte : il peut donc être cherché et copié. Ce que le PDF n'a pas, c'est la structure : pas de titres, pas de modèle de liste, pas de modèle de tableau. Il se lit bien pour une personne et s'analyse mal pour un programme.
La conversion DOC vers PDF est-elle gratuite ?
Il y a une franchise gratuite chaque mois, et une conversion DOC vers PDF coûte un demi-crédit dessus. Quand la franchise est épuisée, l'outil le dit et s'arrête, plutôt que de vous remettre discrètement un PDF moins bon.