Transformer un PDF en document Markdown prêt pour Notion ou un wiki

Faire passer le contenu d'un PDF dans Notion, Obsidian, un wiki GitHub ou tout autre outil basé sur Markdown signifie généralement soit tout retaper, soit le coller comme un bloc de texte informe, chaque titre, liste et tableau étant aplati en simples paragraphes.

Comment la structure est déduite d'un PDF

Un PDF ne stocke pas réellement « ceci est un titre » ou « ceci est une liste à puces » comme un concept étiqueté, contrairement à un document Word ou à un fichier Markdown — il a juste du texte positionné et dimensionné sur une page. PDF vers Markdown travaille à rebours à partir de là : un texte nettement plus grand que le corps environnant devient un titre, les lignes commençant par une puce ou un chiffre deviennent une liste, et le texte disposé en colonnes alignées devient un tableau Markdown.

Ce qui se reporte bien, et ce qui ne se reporte pas

• Les liens cliquables du PDF d'origine sont conservés comme liens Markdown, pas seulement comme texte brut.
• Les documents proprement formatés, sur une seule colonne — rapports, articles, guides simples — se convertissent bien avec peu de nettoyage nécessaire.
• Les mises en page denses à plusieurs colonnes ou les mises en forme inhabituelles sont plus difficiles à déduire correctement et peuvent nécessiter des retouches manuelles ensuite.
• Un PDF scanné sans couche de texte sélectionnable n'a rien à extraire — lancez d'abord OCR PDF.

Quand vous voulez juste le texte brut

Si vous n'avez pas besoin de structure du tout — juste les mots, à coller quelque part ou à parcourir —, PDF vers texte saute entièrement la déduction des titres et tableaux et exporte à la place un fichier texte brut avec des sauts de ligne.