Fichiers Word : un DOCX est un ZIP rempli de XML, et pourquoi en produire un est difficile
Ce que contient vraiment un DOCX, pourquoi PDF en Word perd la mise en page, et pourquoi nous écrivons du Word sans le lire. Convertir PDF en Word, sans envoi.
En bref
- Type
- Documents
- Extensions
- .docx
- Type MIME
- application/vnd.openxmlformats-officedocument.wordprocessingml.document
- Également appelé
- DOCX, Microsoft Word, Office Open XML
Un fichier .docx est une archive ZIP. Renommez-en un en .zip, ouvrez-le, et vous trouverez un dossier de documents XML — le texte et sa structure dans un fichier, les styles dans un autre, la numérotation, les relations, les images intégrées en entrées séparées. Microsoft est passé à ce format, Office Open XML, en 2007, en remplacement du .doc binaire et opaque qui l’avait précédé. C’est parce qu’il s’agit de XML dans un ZIP que tant d’outils peuvent produire un DOCX sans le moindre code Microsoft, ce site compris.
Lire la suite
Cette asymétrie mérite d’être dite clairement : écrire un DOCX est faisable, en lire un fidèlement ne l’est pas. Produire un document, c’est générer du XML pour des paragraphes, des titres et des segments de texte — une bibliothèque sait le faire. Afficher un DOCX existant exactement comme Word le ferait, c’est reproduire des décennies de comportements de mise en page, ce qui exige en pratique Word ou LibreOffice. Voilà pourquoi les conversions proposées ici vont vers le DOCX, et non depuis le DOCX.
Quand la source est un PDF, la difficulté change de camp. Un PDF stocke des suites de glyphes positionnées plutôt que des paragraphes : en tirer un DOCX suppose de déduire une structure qui n’a jamais été enregistrée — regrouper les glyphes en lignes selon leurs lignes de base, deviner les fins de paragraphe, classer les tailles de caractères pour repérer les titres. La prose ordinaire passe bien. Les mises en page sur plusieurs colonnes, les tableaux et les images flottantes, non, car l’information nécessaire pour les reconstruire n’est pas dans le fichier.
Si le PDF est un scan, il n’y a aucun texte sur lequel travailler, et ce site lit les caractères sur les images des pages grâce à un modèle de reconnaissance par IA qui tourne sur votre propre machine, au lieu d’envoyer le fichier. Le résultat est un document Word modifiable, avec cette réserve que la reconnaissance n’est pas parfaite et que la mise en page est reconstruite plutôt que préservée.
Convertir d’autres formats en Word
FAQ : Word
Pourquoi PDF en Word ne reproduit-il jamais la mise en page d’origine ?
Parce qu’un PDF stocke des glyphes positionnés plutôt qu’une structure. Paragraphes, titres et ordre de lecture doivent être déduits, et un tableau ou une mise en page sur deux colonnes qui n’a jamais été enregistré comme tel ne peut pas être récupéré.
Puis-je convertir Word en PDF ici ?
Pas en local. Afficher un DOCX exactement comme Word exige Word ou LibreOffice, qui ne peuvent pas tourner dans un onglet de navigateur. Les conversions proposées ici vont vers le DOCX, et non depuis le DOCX.
Un DOCX est-il vraiment un fichier ZIP ?
Oui. Renommez-le en .zip et vous pourrez l’ouvrir — à l’intérieur, un dossier de fichiers XML décrivant le texte, les styles et les relations, plus les éventuelles images intégrées en entrées séparées.
Cela fonctionne-t-il avec des PDF scannés ?
Oui. Quand un PDF n’a pas de couche de texte, un modèle de reconnaissance par IA s’exécute dans votre navigateur pour lire les caractères sur les images des pages. Rien n’est envoyé.
Les titres et les sauts de page sont-ils conservés ?
Les titres sont déduits de la taille des caractères et les sauts de page de l’original sont insérés, si bien que le document garde sa pagination. Ce sont deux suppositions, et toutes deux se trompent parfois.
Un convertisseur côté serveur ferait-il mieux ?
Pour la mise en page, oui — un serveur équipé de LibreOffice en conserve bien davantage. Mais il doit aussi recevoir votre fichier, et les PDF sont souvent des contrats, des fiches de paie et des relevés. C’est ce compromis qui explique le fonctionnement de ce convertisseur.