Guide
Comment rendre un PDF lisible par les agents IA
Assurez-vous que chaque information du PDF existe sous forme de vrai texte, avec son libellé, son unité, sa période et son qualificatif à côté, et publiez une version texte structurée (Markdown ou JSON) du document à une URL stable que les agents peuvent récupérer. Les agents lisent le texte de façon fiable et les mises en page mal : plus vous vous rapprochez d’un texte propre, à fidélité contrôlée et adressable, moins ils font d’erreurs.
Comment les agents IA lisent un PDF
Un agent IA ne voit pas votre PDF comme une personne. Il extrait la couche texte, applique parfois l’OCR aux images, puis tente de reconstituer titres, tableaux et ordre de lecture à partir de la position des caractères. Le centre d’aide d’OpenAI note que les valeurs exactes peuvent ne pas être extraites de façon fiable de tableaux sous forme d’image, de fichiers scannés ou de mises en page complexes, et que la lecture des graphiques et des images dans les PDF n’est disponible que dans certains contextes ; ailleurs, seul le texte est lu.
Un agent qui navigue sur le web a un problème de plus : il peut ne jamais ouvrir le PDF s’il trouve une page plus légère, ou récupérer une ancienne copie publiée par quelqu’un d’autre.
Checklist : le PDF lui-même
- Couche texte : exportez depuis Word, PowerPoint, Google Docs ou votre outil de design. Pas de scans, pas d’« aplatissement » ni d’« impression en image ».
- Vrais titres : utilisez des styles de titre pour que la structure survive à l’export.
- Tableaux simples : une seule ligne d’en-tête, les unités dans l’en-tête, pas de cellules fusionnées, pas de tableaux coupés entre deux pages.
- Graphiques : ajoutez des étiquettes de données ou un tableau de valeurs ; un chiffre ne doit jamais exister uniquement sous forme de hauteur de barre.
- Qualificatifs à côté des chiffres : « prévision », « non audité », « pro forma », « jusqu’à » sur la même ligne, pas seulement dans une note de bas de page.
- Un seul nom par indicateur dans tout le document.
- Des dates sans ambiguïté (« 4 mars 2026 », pas « 04/03/26 »).
- Une taille raisonnable : OpenAI note que les fichiers volumineux ou riches en images peuvent ne pas être analysés entièrement.
Checklist : ce que vous publiez à côté
- Une version Markdown : titres, paragraphes et tableaux en texte brut — le format que les modèles de langage traitent le plus naturellement.
- Une version JSON si les valeurs comptent : chaque indicateur avec sa période, sa devise et son qualificatif dans des champs distincts.
- Une URL stable qui ne change pas quand vous mettez à jour le document, pour que les liens dans les e-mails et les présentations restent valides.
- Une version et un statut dans le fichier, pour qu’un agent distingue un brouillon d’une version finale.
- Un index de la collection, par exemple un fichier llms.txt listant vos documents avec de courtes descriptions (voir llmstxt.org).
- La visibilité que vous souhaitez réellement : public et indexable, accessible par lien uniquement, ou restreint.
Convertir n’est pas rendre lisible
Passer un PDF dans un convertisseur vous donne du texte, mais pas forcément le bon. Les convertisseurs peuvent supprimer un en-tête de colonne, coller deux lignes ensemble ou transformer « (1,2) » en « 1,2 » — et le résultat a l’air propre, donc personne ne le remarque. Pour les documents où les chiffres comptent, le texte converti doit être contrôlé par rapport à la source avant publication.
| Approche | Lisible par les agents | Chiffres contrôlés par rapport à la source | Reste à jour |
|---|---|---|---|
| PDF seul | En partie | Non | D’anciennes copies circulent |
| PDF + Markdown converti | Oui | Non | Dépend de l’hébergement |
| Version IA à fidélité contrôlée à une URL permanente | Oui | Oui | Oui, même lien |
Comment fait The Papers
The Papers prend un PDF (couche texte avec positions ; OCR en secours pour les pages scannées) ou un fichier PowerPoint, Excel ou Word et construit une version IA canonique unique à une URL permanente : une page pour les lecteurs humains, du Markdown avec front matter (URL canonique, version, statut, lisibilité IA) et du JSON avec blocs, indicateurs, qualificatifs et provenance par page. Votre Data Room dispose aussi d’un llms.txt et d’un index.
Avant toute publication, chaque nombre, devise, date et période est contrôlé par rapport à la source, et les ambiguïtés vous sont soumises pour confirmation. Vous voyez quels agents IA et robots d’indexation lisent chaque document, et dans quel format.
FAQ
- Ai-je encore besoin du PDF ?
- Oui, gardez-le pour les personnes qui veulent la version mise en page. La version texte est celle que les agents doivent lire ; placez son lien à côté du PDF.
- Un PDF balisé/accessible suffit-il ?
- Il aide, car les balises de structure donnent aux agents les titres et l’ordre de lecture. Mais il ne rattache pas les unités et les qualificatifs aux valeurs, et ne vous donne pas d’adresse texte stable et actualisable.
- Quel format les agents doivent-ils lire, Markdown ou JSON ?
- Markdown pour lire et citer ; JSON quand un agent a besoin de valeurs exactes avec leur période et leur devise. L’idéal est de proposer les deux.
- Puis-je garder le document privé ?
- Dans The Papers, oui : chaque document peut être public, non répertorié (accessible par lien uniquement, jamais indexé) ou réservé aux membres de la Data Room.