The Papers

Guide

Markdown, PDF ou JSON : quel format l’IA lit-elle le mieux ?

L’IA lit mieux le Markdown pour le texte et la structure, le JSON pour les valeurs exactes qui ont besoin de champs comme la période, la devise et le qualificatif, et le PDF moins bien que tout le reste, car il stocke la mise en page plutôt que le sens. Pour les documents importants, gardez le PDF pour les lecteurs humains et publiez pour l’IA des versions Markdown et JSON du même contenu contrôlé.

La comparaison en bref

PDFMarkdownJSON
Conçu pourL’impression et la consultationLa lecture et l’écriture de texteLes programmes
Titres et ordreDéduits de la mise en pageExplicites (#, ##)Explicites si le schéma les prévoit
TableauxTexte positionné, fragileTableaux simples avec barres verticalesLignes et champs
GraphiquesFormes ; valeurs souvent perduesSeulement s’ils sont écrits sous forme de tableauSéries sous forme de données
Unités, période, qualificatifsDispersés dans la mise en pageDans le texte, à côté des valeursChamps distincts pour chaque valeur
Adapté à la citationFaibleFortFaible pour le texte suivi
Adapté aux valeurs exactesFaibleBonLe meilleur
Confort de lecture humaineLe meilleurBonMédiocre

PDF : idéal pour les humains, le plus faible pour l’IA

Un PDF s’affiche à l’identique partout, c’est pourquoi les documents professionnels circulent en PDF. Mais une IA doit reconstituer la structure à partir de la position des caractères. Le centre d’aide d’OpenAI note que ChatGPT peut ne pas extraire de façon fiable les valeurs exactes de tableaux sous forme d’image, de fichiers scannés ou de mises en page complexes, et recommande les feuilles de calcul ou les fichiers texte lorsque les valeurs exactes comptent. Les graphiques contenus dans les PDF ne sont lus que là où la récupération visuelle est disponible.

Markdown : le format naturel des modèles de langage

Le Markdown est du texte brut avec une structure légère : titres, listes, tableaux, liens. Les modèles le lisent directement, sans reconstitution ; il est compact et les citations qui en sont tirées sont exactes. Sa faiblesse : une valeur reste du simple texte. « 4,2 M$ » dans une cellule dépend de l’en-tête au-dessus pour sa période et d’une phrase voisine pour la mention « non audité ».

Le front matter (un bloc YAML en tête de fichier) aide : il peut indiquer l’URL canonique, la version et le statut, pour qu’un agent sache ce qu’il lit et si c’est à jour.

JSON : des valeurs exactes avec leur sens attaché

Le JSON sert quand un agent doit utiliser un chiffre plutôt que citer une phrase : comparer des périodes, calculer un ratio, remplir un formulaire. Un bon schéma stocke chaque indicateur avec ses propres champs, de sorte que rien ne dépend de la mise en page.

  • valeur et unité/devise
  • période (p. ex. FY2025, T3 2026)
  • classification (réalisé, prévision, budget)
  • qualificatifs (non audité, pro forma, « jusqu’à »)
  • référence source (page, diapositive ou cellule)

Pourquoi la réponse est « les deux, à partir d’une seule source »

Chaque lecteur veut un format différent : une personne ouvre la page, un assistant conversationnel préfère le Markdown, un agent qui fait de l’analyse veut du JSON. Le risque, c’est la dérive : trois fichiers maintenus séparément finissent par se contredire. La question du format compte moins que d’avoir une seule source à fidélité contrôlée, à partir de laquelle chaque format est généré, à des adresses qui ne changent pas.

C’est ainsi que fonctionne The Papers : chaque document devient une version IA canonique unique avec une page web, du Markdown (/{room}/{doc}.md, avec un front matter pour l’URL canonique, la version, le statut et la lisibilité IA) et du JSON (/{room}/{doc}.json, avec blocs, indicateurs avec période, devise et classification, qualificatifs, affirmations et provenance par page). Tous sont contrôlés par rapport à la source avant publication, et les statistiques par document montrent quel format chaque lecteur IA a utilisé.

FAQ

Un simple .txt vaut-il le Markdown ?
Il est lisible, mais vous perdez les titres et les tableaux, qui aident les modèles à trouver et citer la bonne section. Le Markdown ne coûte rien de plus.
Dois-je convertir tous mes PDF en Markdown ?
Convertir est un début, mais contrôlez les chiffres : les convertisseurs peuvent supprimer des en-têtes ou des signes sans prévenir. Pour les documents où les chiffres comptent, vérifiez le résultat par rapport à la source.
ChatGPT lira-t-il un fichier JSON que j’importe ?
Oui, comme du texte. Le JSON est surtout utile aux agents et aux outils qui traitent les valeurs par programme ; pour des questions conversationnelles, le Markdown est généralement plus simple.
Et les fichiers Word ou Excel ?
Ils contiennent plus de structure qu’un PDF — Word a de vrais titres et tableaux, Excel des valeurs de cellule et des formules. Ce sont de bonnes sources pour produire du Markdown et du JSON.

Publiez une source à fidélité contrôlée unique et servez-la sous forme de page, de Markdown et de JSON.

Sources

Guides associés