Convertisseur PDF en Excel avec grille vérifiable

Il y a deux raisons distinctes et l’outil les distingue. Si le PDF n’a pas de couche de texte (pages enregistrées comme images), il n’y a rien à lire : ces pages sont signalées et demandent d’abord une reconnaissance. S’il y a du texte mais pas de structure, les lignes se suivent sur une seule colonne : c’est de la prose, pas un tableau. L’outil refuse délibérément de faire passer une liste à une colonne pour un tableau : une feuille pleine de ce bruit vaut moins qu’un honnête « rien trouvé ».

Corrigez-le dans la grille, à l’endroit exact où le détecteur s’est trompé. Chaque en-tête de colonne porte un menu « ⋯ » : fusionner avec la suivante, scinder au plus large blanc, supprimer, fixer le type. Un clic sur le numéro de ligne supprime la ligne. Ces opérations n’agissaient auparavant que sur les DERNIÈRES colonnes — sur une facture de neuf colonnes dont l’erreur était au milieu, elles étaient inutiles tout en paraissant fonctionner.

Parce que dans un vrai tableau les bords gauches ne s’alignent pas. Dans notre propre devis d’essai la colonne du milieu commence à 143, 155 et 152 et celle de droite à 198, 184 et 184 : nombres à droite, en-têtes à gauche. Un regroupement par bord gauche, quelle que soit la tolérance, découpe une colonne en trois ou en fusionne trois en une. Ce qui est stable, c’est le couloir vide ENTRE les colonnes, et c’est là-dessus que travaille l’analyse.

Un PDF ne contient aucune formule — seulement le résultat déjà calculé — ce sont donc les valeurs qui passent. Les cellules fusionnées, elles, passent : un texte qui couvre notablement plusieurs colonnes est traité comme fusionné, sa valeur reste dans la première, la grille montre cette cellule étirée et surlignée, et le .xlsx reçoit une vraie fusion. Auparavant ce texte tombait en silence dans la colonne où se trouvait son milieu.

XLSX réunit tous les tableaux trouvés dans un classeur, une feuille par tableau, avec les types de cellules et les fusions. Le CSV ignore les types — mais il s’ouvre partout, et il exporte désormais TOUS les tableaux lui aussi, un fichier par tableau : un seul arrive en un fichier, plusieurs en dossier ou en archive. Chaque fichier porte sa marque d’encodage.

Le PDF est analysé dans votre navigateur : pdf.js lit les pages, et le classeur est assemblé par le même générateur XLSX que celui de notre outil de récupération de bases Access, vérifié partie par partie face au moteur de Microsoft.

Il est traité ici même. Les pages sans couche de texte sont signalées et un bouton « Reconnaître les pages » apparaît : le modèle PP-OCRv5 se télécharge une fois (environ 12 Mo), tourne sur votre appareil et n’a plus besoin du réseau ensuite. Le texte reconnu passe dans la même recherche de tableaux qu’un PDF ordinaire — il n’y a pas de seconde chaîne. Une différence subsiste : un scan n’a pas de filets tracés, ses colonnes viennent donc des seuls écarts.

Oui. Chaque colonne reçoit un type — nombre, date ou texte — et ce sont des valeurs, non des chaînes, qui partent dans le classeur : les totaux s’additionnent, les dates se trient. Le type se décide sur la colonne entière (un tiret isolé parmi des montants n’en fait pas une colonne de texte) et s’affiche dans son en-tête, où vous pouvez aussi le forcer. L’analyse est volontairement prudente : « +33 6 12 34 56 78 » reste du texte, car un numéro de téléphone changé en nombre est une perte invisible dans la feuille finie.