Licensed to be used in conjunction with basebox, only.
// documents
Travailler avec des PDF
En bref
Le PDF est le format de document le plus courant dans basebox. Cette page explique ce qu'il advient des PDF texte et des PDF scannés, comment travailler avec des documents volumineux et pourquoi un PDF n'est parfois pas traité.
Deux types de PDF
PDF texte – générés depuis Word, un générateur de rapports ou un navigateur. Le texte y est contenu sous forme de texte (vous pouvez le sélectionner dans un lecteur PDF). basebox l'extrait directement.
PDF scannés – des pages enregistrées sous forme d'images : scans, fax, documents photographiés. Ils ne contiennent aucun texte sélectionnable. basebox lit leur contenu par reconnaissance de texte (OCR) – de manière accélérée lorsqu'un GPU est disponible, sinon sur le CPU. Vous n'avez rien à faire : les deux types s'importent de la même façon.
Les formes mixtes fonctionnent aussi, par exemple un PDF texte comportant des annexes scannées intégrées.
Importer un PDF et l'interroger
- Faites glisser le PDF dans le chat ou utilisez le trombone (dans le chat : jusqu'à 10 Mo par fichier).
- Attendez la confirmation de l'import.
- Posez une question précise : « Quels délais de résiliation le contrat prévoit-il ? » plutôt que « Que dit ce document ? »
Pour les documents dont vous avez régulièrement besoin, placez-les dans la base de connaissances d'une app. Les limites y sont plus élevées, et les réponses sont accompagnées de sources citées jusqu'au passage concerné.
PDF volumineux
Dans le chat, c'est la quantité de texte qui compte, pas la taille du fichier. À titre indicatif, environ 50 pages tiennent dans un chat ; un PDF de 30 pages très dense peut déjà être de trop. Si une erreur de traitement ou le message « fenêtre de contexte atteinte » apparaît, trois solutions s'offrent à vous :
- Découper – n'extrayez que les pages pertinentes, ou divisez le document en sections et traitez-les l'une après l'autre.
- Nouveau chat – un chat de longue durée dispose de moins d'espace libre. Un nouveau chat démarre avec une fenêtre de contexte entière.
- Base de connaissances d'une app – les documents y sont découpés en sections et interrogés de manière ciblée, au lieu d'être chargés intégralement dans la fenêtre de contexte. C'est la bonne approche pour les manuels, les directives et les collections de documents.
Pour en savoir plus : Fenêtre de contexte.
Lorsqu'un PDF n'est pas traité
Les PDF scannés sans texte sélectionnable ne posent aucun problème – ils sont lus par OCR. Seuls les fichiers chiffrés ou endommagés posent problème, ainsi qu'un volume de texte trop important pour la fenêtre de contexte. Les messages, causes et solutions figurent dans un tableau sous Résoudre les problèmes d'import → Fichiers PDF.
Remarques
Conseils pour de bons résultats
- Précisez dans votre question quelle partie du document vous visez : « dans la section Conditions de paiement », « sur les deux dernières pages ».
- Pour les documents longs, demandez d'abord un plan, puis posez des questions ciblées.
- Vérifiez les chiffres et les citations dans l'original – avec la base de connaissances d'une app, via la pastille de source qui vous montre le passage concerné.
Remarque
À partir d'un PDF, basebox peut créer de nouveaux documents sur demande – par exemple un résumé au format Word ou un tableau au format Excel. Voir Générer des documents.
Questions fréquentes
basebox reconnaît-il les tableaux dans les PDF ? Oui, les tableaux sont extraits sous forme de texte avec leur structure. Pour des calculs, un fichier Excel est plus adapté.
Les images d'un PDF sont-elles analysées ? Le texte contenu dans les images est lu par OCR. Les graphiques sans texte ne fournissent aucun contenu exploitable.
Puis-je comparer plusieurs PDF à la fois ? Oui, joignez les deux et demandez : « En quoi la version A et la version B diffèrent-elles ? » Tenez compte de la fenêtre de contexte.
Prochaine étape : Convertir un fichier CSV en Excel · Travailler avec des images
Besoin d'aide ? Contacter le support