Convertissez votre PDF en Markdown modifiable pour vos notes, vos recherches ou un agent d’IA. Si les pages sont scannées, reconnaissez d’abord le texte par OCR.

MD Factory convertit aussi les documents Office, ebooks, pages web enregistrées et emails. Ce guide porte sur les PDF.

Des documents papier reliés par un ruban violet à une page avec des titres et des listes Markdown.
Des pages du document au Markdown modifiable.

Votre PDF a-t-il besoin d’OCR ?

Essayez de copier une phrase dans un éditeur de texte. Si elle se copie correctement, convertissez directement le PDF. Si vous n’obtenez aucun texte, utilisez l’OCR. Testez plusieurs pages si le document contient des annexes scannées.

Choisir un outil de conversion

Pour un PDF dont le texte est sélectionnable, l’outil Microsoft MarkItDown permet une conversion en ligne de commande. Suivez son guide d’installation Python, créez un dossier de destination et remplacez ces chemins par les vôtres. Choisissez un nouveau nom de fichier :

markitdown "C:\Docs\handbook.pdf" -o "C:\Markdown\handbook.md"

Pour un scan, utilisez l’OCR pour rendre le texte du PDF consultable, puis convertissez-le en Markdown. OCRmyPDF permet cette première étape ; choisissez la langue du document lors de son utilisation.

Si la reconnaissance est mauvaise, vérifiez que le scan est net et bien droit. Les conseils OCR de Tesseract expliquent comment la qualité du scan affecte le résultat.

Si vous disposez du document Word ou du tableau Excel d’origine, vous pouvez aussi le convertir directement.

Vérifier les tableaux et les colonnes

Ouvrez le Markdown à côté du PDF. Les pages à plusieurs colonnes et les tableaux peuvent nécessiter des corrections. Commencez par les passages dont vous avez besoin :

  • Lisez les phrases de part et d’autre d’un changement de colonne ou de page pour vérifier leur ordre.
  • Vérifiez que les valeurs des tableaux restent associées aux bonnes lignes et aux bons libellés.
  • Comparez les noms, dates, chiffres et unités importants avec le PDF.
  • Supprimez les en-têtes de page répétés qui coupent les paragraphes.

Le guide d’extraction des PDF présente les problèmes de mise en page courants. Ajoutez une note à côté des valeurs illisibles plutôt que de les deviner.

Corriger un tableau qui a perdu ses lignes

Par exemple, un tableau indique 2 carnets à 4,50 chacun et 1 dossier à 3,00. L’extraction peut conserver les valeurs mais perdre les lignes :

Item Quantity Unit price
Notebook Folder
2 1
4.50 3.00

Vérifiez la source, puis rétablissez les lignes :

| Item | Quantity | Unit price |
| --- | --- | --- |
| Notebook | 2 | 4.50 |
| Folder | 1 | 3.00 |

Enregistrer vos fichiers

Conservez le Markdown dans un dossier de destination séparé et gardez le PDF d’origine à portée de main. Si le convertisseur exporte des images, déplacez leur dossier avec le Markdown pour préserver les liens.

Utilisez des noms de fichiers explicites, comme handbook.md, pour retrouver la source de chaque fichier. Vérifiez que chaque document converti a bien un fichier de sortie.

Pour utiliser le résultat avec un agent d’IA, suivez notre guide d’organisation d’un dossier de documents.