Pourquoi un PDF réparé peut encore échouer la validation d’archivage

La plupart des dégâts réels sont structurels, et les dégâts structurels se réparent

La grande majorité des dégâts constatés en pratique sur un PDF, un fichier qui refuse totalement de s’ouvrir ou qui s’ouvre avec des erreurs visibles, s’explique par une table de références croisée cassée ou une bande-annonce (« trailer ») corrompue, souvent à cause d’un téléchargement interrompu ou d’un disque défaillant en plein enregistrement. Ce type de dommage se répare entièrement. Reconstruire la structure interne du fichier, seul travail que Réparer un PDF doit faire dans ce cas, le ramène à son contenu d’origine sans perte, car le contenu des pages n’a jamais été touché. C’est uniquement l’index indiquant où le trouver qui était endommagé. Un lecteur qui refuse le fichier refuse de suivre une carte cassée, il ne signale pas que les pages elles-mêmes ont disparu.

Les dégâts sur le contenu de page sont un autre problème

Un flux de contenu endommagé sur une page précise est un problème d’une autre nature qu’un index cassé. Dans ce cas, le texte vectoriel et les instructions de dessin de cette page ont disparu, ils ne sont pas seulement difficiles à localiser, et aucune réparation structurelle ne peut reconstituer des données qui n’existent plus dans le fichier. En pratique, la réponse consiste à rendre sous forme d’image tout ce qui peut encore être récupéré sur cette page, puis à lancer OCR PDF dessus pour retrouver du texte lisible. Toutes les autres pages, non touchées, conservent pendant ce temps leur contenu vectoriel d’origine, intact.

Réparable et conforme PDF/A sont deux critères différents

Un PDF qui s’ouvre désormais correctement dans tous les lecteurs, avec un texte net et aucune erreur visible, peut malgré tout échouer complètement la validation d’archivage PDF/A, et c’est ce travail distinct que fait PDF en PDF/A. Il s’agit d’une norme différente, nettement plus stricte, qui vérifie autre chose : toutes les polices doivent être intégrées dans le fichier et pas seulement référencées par leur nom, les couleurs doivent être liées à un profil fixe et déclaré, et le document ne doit dépendre d’aucune ressource externe ni d’aucun logiciel que le lecteur n’aura peut-être plus à disposition dans plusieurs décennies. Réparer une structure cassée n’a jamais eu pour but de garantir tout cela. La réparation et la conformité d’archivage répondent à deux questions distinctes à propos du même fichier.

Pourquoi un échec réel du validateur vaut mieux qu’un succès trompeur

Construire une structure PDF/A sans s’appuyer sur Ghostscript, qui est délibérément évité ici en raison de ses conditions de licence, impose d’assembler directement la structure requise plutôt que d’emprunter le chemin de conversion standard utilisé par la plupart des outils. Le processus devient alors un effort de meilleure qualité possible, mais sans garantie. Faire passer chaque conversion par veraPDF, le validateur de référence sur lequel s’appuient des services d’archives et des tribunaux, et afficher son verdict plutôt qu’une coche rassurante, signifie qu’un échec est signalé parce qu’il est réel. C’est bien plus utile qu’un outil qui prétend à un succès qu’il ne peut pas démontrer.

Lire un échec précis est plus utile que voir la validation comme oui ou non

Un échec de validation qui énumère exactement les règles que le document ne respecte pas, une police particulière non intégrée ou un espace colorimétrique mal déclaré, fournit un résultat utile et exploitable là où un simple indicateur succès ou échec reste muet. Télécharger le fichier quel que soit le résultat de la validation et lire ce qui a échoué permet de ne pas traiter de la même façon un document déjà conforme à quatre-vingt-quinze pour cent et un autre qui en est à peine au début. Les règles en échec indiquent ce qui reste à corriger, au lieu de laisser l’ensemble du document à reprendre depuis zéro.

Choisir une stratégie de réparation et un niveau PDF/A

Chaque outil pose d’abord une question, et une mauvaise réponse coûte un passage. Réparer un PDF propose trois stratégies. Auto, le choix par défaut, reconstruit la structure et ne passe par une image avec OCR que pour les pages dont le flux de contenu est cassé. Structure seule ne le fait jamais : une page cassée revient vide, le meilleur choix quand chaque page restante doit garder un vrai texte sélectionnable. Rastériser + OCR redessine toutes les pages, lisibles comprises, en images avec du texte reconnu, ce qui convient à un fichier dont les mots s’affichent en charabia. L’écran de résultat nomme les pages récupérées en image : lisez-le avant de transmettre le fichier.

PDF en PDF/A demande un niveau. 2b convient à presque tout document produit après 2010 et conserve la transparence ; 1b aplatit en simple image toute page avec transparence ou calques, rarement souhaitable pour un fichier moderne ; 3b ajoute seulement le droit d’intégrer un autre fichier, comme le tableur source d’une facture. Deux choses comptent plus que le niveau : la norme interdit le chiffrement, donc un fichier protégé passe d’abord par Retirer le mot de passe d’un PDF, et un scan reste impossible à rechercher tant que l’option OCR n’est pas activée. Le résultat est souvent 10 à 40 % plus lourd : les polices non intégrées sont remplacées par des polices Liberation ou Noto métriquement compatibles, et les couleurs sont liées à sRGB.