Convertir un PDF en LaTeX sans le téléverser nulle part

La plupart des convertisseurs de PDF en LaTeX tournent sur le serveur de quelqu'un d'autre. Comment fonctionne la conversion déterministe sur votre machine dans Oleafly, ce qu'elle peut et ne peut pas récupérer, et quand l'affinage par IA facultatif aide.

Cherchez « PDF vers LaTeX » et vous trouverez des formulaires de téléversement. Pour un article publié que vous avez le droit de retravailler, cela peut convenir. Pour un brouillon en cours d’évaluation, une demande de subvention ou un manuscrit contenant des résultats non publiés, téléverser est souvent une mauvaise idée.

Pour les PDF à base de texte, la conversion n’a pas besoin d’un SaaS de conversion. Vous pouvez reconstruire une source modifiable sur votre machine, puis continuer à écrire dans un vrai éditeur de bureau.

Pourquoi on téléverse (et pourquoi vous pourriez vous en abstenir)

Les convertisseurs en ligne sont faciles : on glisse le PDF, on attend, on télécharge un zip. Le prix à payer est que chaque page du brouillon passe par le GPU de quelqu’un d’autre et dans ses journaux. Les règles des laboratoires, des hôpitaux et des entreprises l’interdisent souvent pour les travaux non publiés, même quand l’interface donne l’impression que c’est inoffensif.

La conversion sur votre machine change la donne. Pour la passe déterministe, le PDF reste sur le disque.

Comment fonctionne la conversion sur votre machine

Un PDF à base de texte contient déjà ses mots, leurs positions et les métadonnées de ses polices. Un convertisseur peut lire cette couche et reconstruire la structure à partir de la géométrie :

  • le regroupement par taille de police repère les titres et le titre du document
  • les histogrammes de position horizontale détectent les mises en page à deux colonnes et rétablissent l’ordre de lecture
  • les indicateurs de nom de police retrouvent les passages en gras, en italique et en chasse fixe
  • les décalages de ligne de base identifient les indices et les exposants
  • les glyphes mathématiques Unicode sont reconvertis en macros LaTeX
  • les lignes répétées d’en-tête et de pied de page sont supprimées
  • les images matricielles incorporées peuvent être extraites en fichiers de figure

Rien de tout cela ne demande un modèle d’IA, un serveur ni une connexion réseau. Les mots de la sortie sont les mots du PDF. La structure est une hypothèse que l’on peut inspecter et corriger à la main.

Ce que la conversion déterministe ne sait pas faire

Les PDF numérisés n’ont pas de couche de texte : sans OCR, il n’y a rien à lire. Les formules complexes hors texte et les tableaux sont composés sous forme de glyphes positionnés ; en reconstruire la source de façon fiable demande plus que de la géométrie. Les cas limites de mise en page à plusieurs colonnes et les notes de bas de page flottantes demandent encore un nettoyage humain.

Un bon convertisseur le dit, au lieu de déformer silencieusement le contenu en quelque chose qui a l’air terminé.

Là où l’IA aide

À partir de l’image de la page et du brouillon déterministe, un modèle de vision peut reconstruire des tableaux, corriger des équations hors texte et transcrire des numérisations. Cette étape doit être facultative, explicite, et dirigée vers un fournisseur que vous choisissez avec une clé qui vous appartient.

Le modèle de confidentialité est simple. La passe déterministe reste sur votre machine. L’affinage ne se lance que lorsque vous cliquez, et le trafic ne va qu’au point d’accès du modèle que vous avez configuré, pas à un site de téléversement gratuit qui pourrait s’entraîner sur vos brouillons.

Faire cela dans Oleafly

L’application de bureau Oleafly (s’ouvre dans un nouvel onglet), gratuite, intègre ce pipeline à deux niveaux dans le même espace de travail de recherche que l’écriture ordinaire :

  1. Conversion déterministe sur votre machine : aucune clé d’IA, aucun réseau. Elle reconstruit de nombreux PDF à base de texte en LaTeX modifiable, extrait des figures que vous pouvez télécharger séparément, et signale ce qu’elle a gardé en texte brut plutôt que d’inventer une structure.
  2. « Affiner avec l’IA » facultatif : votre clé, votre fournisseur, seulement quand vous le demandez. Rien ne passe par un service de conversion d’Oleafly. Le trafic va au point d’accès du modèle que vous avez choisi.

Le résultat arrive sous forme de projet que vous pouvez continuer à modifier avec toute la boucle de travail : références et citations à l’échelle du projet, diagnostics en direct, compilation avec le moteur Tectonic intégré, aperçu PDF SyncTeX, orthographe et grammaire hors ligne sur la prose, vrais points de contrôle Git, et IA facultative soumise à approbation pour les retouches. Après l’import, vous travaillez avec les mêmes outils que pour n’importe quel autre article.

Conseils pratiques

  • Privilégiez les PDF numériques à base de texte (vos propres anciens exports, des épreuves d’éditeur que vous avez le droit de retravailler). Les numérisations demandent de l’OCR ou un affinage par vision.
  • Comptez nettoyer à la main les objets flottants, les cas limites à plusieurs colonnes et les mathématiques lourdes après la première passe. La conversion donne de l’avance, ce n’est pas la version finale (camera-ready).
  • Validez les entrées de bibliographie si vous fusionnez le texte récupéré avec un .bib existant (validateur BibTeX).
  • Gardez le projet récupéré sous Git dès la première compilation réussie, pour que les commits de nettoyage restent réversibles.
  • Ne convertissez pas des PDF dont vous n’avez pas le droit de tirer une source dérivée à redistribuer. Un outil ne confère aucun droit d’auteur.

Un flux de récupération raisonnable

  1. Importez ou convertissez le PDF sur votre machine.
  2. Compilez tout de suite ; corrigez d’abord les erreurs de préambule et de packages.
  3. Passez en revue les figures et les tableaux ; remplacez ceux qui sont cassés à partir des ressources d’origine si vous les avez encore.
  4. Recitez à partir d’un .bib propre au lieu de faire aveuglément confiance aux clés \cite récupérées.
  5. Créez un point de contrôle ; ensuite seulement, faites les grosses modifications de structure.

En résumé

Si l’alternative est de retaper une section de méthodes de vingt pages (ou de la coller dans un formulaire de téléversement d’un navigateur), la reconstruction sur votre machine donne en général assez d’avance : la source sur le disque, les figures extraites, puis un vrai éditeur de l’autre côté de l’import. Gardez l’étape d’affinage facultative et explicite pour pouvoir expliquer le parcours des données à un laboratoire ou à une équipe conformité sans rester dans le vague.

Tous les articles