Glossaire PDF

Le PDF/A est une variante du PDF conçue pour garantir la lisibilité d'un document à 10, 20 ou 50 ans. Toutes les polices doivent être embarquées, aucun contenu externe n'est autorisé, et le fichier est auto-suffisant. Trois familles existent : PDF/A-1 (le plus strict), PDF/A-2 (avec transparence et calques), PDF/A-3 (avec embarquement de fichiers).

Dans plusieurs contextes européens (archives publiques, marchés publics dématérialisés, factures électroniques Factur-X/ZUGFeRD), le PDF/A est obligatoire. Pour 95 % des cas, PDF/A-2b suffit.

L'OCR (Optical Character Recognition) transforme une image contenant du texte (scan, photo) en données texte exploitables — recherchables, copiables, indexables.

Les moteurs modernes (Tesseract 5+, Google Vision, AWS Textract) utilisent des réseaux de neurones convolutifs entraînés sur des dizaines de millions de pages, atteignant 99,5 %+ de précision sur des scans propres en français/anglais. Sur des manuscrits libres, la précision tombe à 60-80 % — toujours le talon d'Achille de la technologie.

Le RGPD impose à toute entreprise traitant des données de citoyens européens de respecter des principes de minimisation, de transparence, de droit d'accès et d'effacement. Il s'applique indépendamment du pays où l'entreprise est basée.

Être conforme RGPD ne règle cependant pas tout : dès que des données quittent l'Espace économique européen, des règles spécifiques s'appliquent (décision d'adéquation comme le Data Privacy Framework pour les entreprises américaines certifiées, clauses contractuelles types, mesures supplémentaires). Et un fournisseur soumis au droit américain reste concerné par le Cloud Act, où que soient stockées les données.

Le CLOUD Act (Clarifying Lawful Overseas Use of Data Act) permet aux autorités américaines, dans le cadre d'une procédure judiciaire (mandat, injonction), d'exiger d'un fournisseur soumis au droit américain — y compris via ses filiales européennes — les données en sa possession ou sous son contrôle, même si elles sont stockées hors des États-Unis. L'utilisateur concerné n'en est pas forcément informé.

Concrètement : un PDF confié à une entreprise américaine (par exemple Adobe, dont le siège est en Californie), ou à un service qui s'appuie sur un prestataire américain pour son hébergement, peut être concerné. Pour savoir ce qu'il en est d'un service donné, consultez sa politique de confidentialité et sa liste de sous-traitants. Un outil qui traite les fichiers dans le navigateur, sans les envoyer, n'a rien à communiquer.

Le règlement eIDAS (Electronic IDentification, Authentication and trust Services), en vigueur depuis 2014, harmonise la signature électronique en Europe. Il définit trois niveaux : signature simple (SES), avancée (AES) et qualifiée (QES).

La QES est la seule strictement équivalente à la signature manuscrite devant la loi. Elle exige un dispositif certifié (carte à puce, eID nationale, app certifiée). La SES (dessiner sa signature avec la souris) est valide juridiquement mais faiblement probante — réservée aux usages sans enjeu fort.

Le DPI mesure la densité de pixels d'une image numérique ou imprimée. Plus le DPI est élevé, plus l'image est détaillée — mais plus elle pèse en termes de fichier.

Valeurs courantes : - 300 DPI : standard d'impression professionnelle - 150 DPI : suffisant pour lecture écran - 96 DPI : invisible à l'œil nu sur écran (limite humaine de perception)

La compression PDF tire parti du DPI : downsampler de 300 à 150 DPI divise typiquement le poids des images par 4, sans perte visible à l'écran.

Quand un PDF embarque une police, la police entière est intégrée par défaut — y compris des milliers de caractères jamais utilisés (idéogrammes chinois, alphabets cyrilliques, glyphes mathématiques). Le subsetting ne conserve que les caractères réellement présents dans le document.

Gain typique : 30 à 200 Ko par police embarquée. Sur un document avec 5 polices, c'est 1 Mo économisé sans aucune perte fonctionnelle. Quasiment tous les bons compresseurs PDF font du subsetting automatiquement.

Factur-X (France) et ZUGFeRD (Allemagne) sont deux noms du même standard de facture électronique. Une facture Factur-X est techniquement un PDF/A-3 contenant un fichier XML embarqué selon le format CII (Cross Industry Invoice).

Le PDF reste lisible humainement, le XML est lisible par les logiciels de comptabilité. En France, la facturation électronique entre entreprises (B2B) devient obligatoire selon un calendrier de déploiement progressif, et Factur-X fait partie des formats acceptés.

pdf-lib est une bibliothèque MIT-licensed permettant de créer, lire, fusionner, splitter, modifier des PDF directement en JavaScript — sans serveur. C'est ce qui permet aux outils de PDFly de fonctionner "100% navigateur" : vos fichiers ne quittent pas votre appareil.

Performance typique : fusionner 10 PDF de 5 Mo prend 2-3 secondes sur un MacBook récent. Comme le document entier est chargé en mémoire, un très gros fichier peut saturer l'onglet, surtout sur mobile : c'est pourquoi PDFly accepte les fichiers jusqu'à 100 Mo et jusqu'à 50 fichiers par opération.

L'arrêt Schrems II de la Cour de Justice de l'Union Européenne (juillet 2020) a invalidé le Privacy Shield, l'accord encadrant les transferts de données entre l'UE et les États-Unis. La raison : les programmes de surveillance US (FISA 702, EO 12333) permettent l'accès aux données européennes sans recours juridique pour les Européens.

Après cet arrêt, les transferts vers les États-Unis ont dû s'appuyer sur d'autres outils, comme les clauses contractuelles types (Standard Contractual Clauses), accompagnées si nécessaire de mesures supplémentaires (chiffrement, pseudonymisation…). Depuis juillet 2023, le Data Privacy Framework permet de nouveau les transferts vers les entreprises américaines certifiées ; ce nouveau cadre reste toutefois contesté.

Le caviardage (redaction en anglais) consiste à masquer définitivement des informations sensibles dans un PDF — texte, images, zones — de manière irréversible. Contrairement à un simple rectangle noir dessiné par-dessus, une vraie redaction supprime les données du fichier source.

Utilisé pour : la conformité RGPD avant partage, la transmission de jugements anonymisés, la protection des données médicales / juridiques. Une redaction mal faite (juste un rectangle noir) est un risque majeur : les données restent accessibles via copier-coller du PDF.

AES-256 (Advanced Encryption Standard, clé 256 bits) est l'algorithme de chiffrement symétrique le plus utilisé pour la protection des PDF avec mot de passe. Considéré comme inviolable par force brute avec les ordinateurs actuels.

Un PDF protégé par AES-256 ne peut être ouvert qu'avec le mot de passe correct. Si vous le perdez, le contenu est définitivement inaccessible (sauf attaque par dictionnaire si le mot de passe est faible). Privilégiez les mots de passe de 12+ caractères avec mixage majuscules/chiffres/symboles.

Un Tagged PDF contient une structure logique (titres, paragraphes, tableaux, alt-text d'images) en plus du rendu visuel. Cette structure permet aux lecteurs d'écran (JAWS, NVDA, VoiceOver) de parcourir le document dans l'ordre logique, de sauter les images décoratives et de lire les tableaux correctement.

Obligatoire pour la conformité accessibilité (WCAG 2.1 AA, RGAA, EN 301 549).

Un PDF linéarisé ("Fast Web View") est restructuré pour que la première page apparaisse avant le téléchargement complet du fichier. C'est essentiel pour les PDF gros (>10 Mo) servis sur le web — un visiteur n'attendra pas 30 secondes que tout se télécharge.

La linéarisation est invisible pour l'utilisateur final, mais elle change l'ordre des objets dans le fichier.

Les métadonnées PDF incluent l'auteur, la date de création, le logiciel d'origine, des mots-clés, parfois la géolocalisation (sur PDF généré depuis un mobile). Elles sont stockées dans le fichier mais peu visibles — accessibles via Fichier → Propriétés dans un lecteur PDF.

Avant de partager un PDF, il peut être utile de retirer ces métadonnées si elles révèlent des informations sensibles (nom interne d'un projet, version d'un logiciel propriétaire, fuseau horaire de création). Adobe Acrobat et certains outils permettent un "sanitize" du fichier.