Analyser un PDF avec l’IA : une méthode fiable et vérifiable

Un PDF de cinquante pages peut contenir la réponse recherchée, mais aussi des tableaux, des annexes, des définitions et des exceptions qui changent complètement le sens d’une conclusion. L’IA permet d’aller plus vite, à condition de ne pas confondre une réponse fluide avec une analyse vérifiée.

Le bon objectif n’est donc pas seulement d’obtenir un résumé. Il faut produire un résultat dont chaque point important peut être retrouvé dans le document.

Conclusion immédiate — Demandez toujours les pages sources, séparez les faits des interprétations et contrôlez quelques passages directement dans le PDF avant d’utiliser le résultat.

Commencez par vérifier ce que contient réellement le PDF#

Tous les PDF ne se ressemblent pas.

Un document peut contenir :

• du texte sélectionnable ;
• des pages scannées comme des images ;
• des tableaux complexes ;
• des graphiques ou schémas ;
• des notes de bas de page ;
• plusieurs documents assemblés ;
• une pagination interne différente du numéro affiché par le lecteur.

Cette distinction est importante. Un assistant peut très bien lire le texte principal tout en perdant une information présente uniquement dans une image, un graphique ou une mise en page particulière.

OpenAI précise que le traitement des éléments visuels intégrés aux PDF dépend du service utilisé, tandis que la documentation Gemini décrit une analyse pouvant prendre en compte texte, images, tableaux et graphiques. La règle pratique reste la même : ne supposez jamais qu’un élément visuel a été compris correctement sans le vérifier.

Avant l’analyse, ouvrez quelques pages au hasard et essayez de sélectionner le texte. Si rien ne peut être sélectionné, le document est probablement scanné et une étape de reconnaissance de caractères peut être nécessaire.

Protégez le document avant de l’envoyer#

Un PDF peut contenir beaucoup plus d’informations sensibles qu’il n’y paraît :

• noms et coordonnées ;
• données de clients ou de salariés ;
• signatures ;
• informations financières ;
• données de santé ;
• secrets commerciaux ;
• identifiants techniques ;
• métadonnées ou commentaires internes.

La CNIL recommande d’identifier la finalité de l’usage et de maîtriser les données transmises à un système d’IA générative. Avant tout envoi, retirez les pages inutiles et anonymisez les informations qui ne sont pas indispensables à la tâche.

Posez-vous trois questions :

1. Ai-je le droit d’utiliser ce document dans cet outil ?
2. L’intégralité du fichier est-elle nécessaire ?
3. Puis-je remplacer les noms, références ou coordonnées par des libellés neutres ?

Envoyer uniquement l’extrait utile réduit à la fois le risque de confidentialité et le risque d’une réponse noyée dans des informations secondaires.

Définissez une question avant de demander un résumé#

« Résume ce PDF » est une consigne trop vague pour un document important.

Commencez par définir ce que vous cherchez réellement :

• comprendre la thèse principale ;
• extraire des dates et des montants ;
• repérer des obligations ;
• comparer plusieurs options ;
• retrouver les conditions d’application d’une règle ;
• construire une checklist ;
• identifier les contradictions ou informations manquantes.

Une bonne première consigne peut être :

Analyse ce PDF uniquement à partir de son contenu.

Objectif : identifier les règles applicables au sujet [SUJET].

Pour chaque résultat :
- indique la page ;
- reproduis un court passage justificatif ;
- distingue le fait explicite de ton interprétation ;
- écris « non trouvé » si l’information n’apparaît pas ;
- signale toute contradiction entre deux pages.

Cette structure oblige l’assistant à produire des éléments contrôlables au lieu d’une simple synthèse générale.

Faites d’abord une carte du document#

Pour un PDF long, ne commencez pas immédiatement par la question la plus complexe. Demandez une cartographie rapide :

Dresse la structure du document :
- titre et objet ;
- sections principales ;
- annexes ;
- tableaux importants ;
- plages de pages correspondantes ;
- passages qui semblent directement liés à [MON SUJET].

N’interprète pas encore le contenu.

Cette carte permet de repérer un sommaire incomplet, une annexe décisive ou une numérotation incohérente. Elle aide aussi à découper l’analyse en blocs plus petits.

Si le document est très long, analysez séparément les sections pertinentes, puis demandez une synthèse finale fondée sur ces analyses intermédiaires.

Exigez une preuve pour chaque information importante#

Une réponse fiable doit permettre de revenir au document.

Utilisez un tableau comme celui-ci :

Les statuts simples sont plus utiles qu’un pourcentage de confiance inventé :

• confirmé : présent explicitement dans le document ;
• à confirmer : passage ambigu ou incomplet ;
• non trouvé : aucune preuve repérée ;
• interprétation : conclusion déduite, mais non écrite telle quelle.

Une page et un passage source valent mieux qu’un « niveau de confiance : 94 % ».

Vérifiez que les citations existent vraiment#

Une IA peut produire un extrait plausible qui ne correspond pas exactement au document.

Contrôlez manuellement au minimum :

• les chiffres ;
• les dates ;
• les noms ;
• les obligations ;
• les exceptions ;
• les citations ;
• les conclusions susceptibles d’entraîner une décision.

Utilisez la recherche du lecteur PDF pour retrouver quelques mots du passage cité. Si la citation est introuvable, ne la considérez pas comme une preuve.

Attention également à la pagination : la « page 12 » donnée par l’assistant peut correspondre à la douzième page du fichier, alors que le document imprime « page 9 » dans son pied de page. Demandez-lui de préciser le numéro du fichier et, si possible, le numéro imprimé.

Traitez les tableaux comme une extraction de données#

Les tableaux sont une source fréquente d’erreurs : lignes décalées, cellules fusionnées, unités oubliées ou colonnes associées au mauvais intitulé.

Ne demandez pas seulement « explique ce tableau ». Procédez en deux temps.

Première passe : extraction#

Recopie le tableau de la page 18 sous forme structurée.
Conserve exactement :
- les intitulés ;
- les unités ;
- les valeurs ;
- les notes et astérisques.
N’effectue aucun calcul et n’interprète pas encore.

Deuxième passe : contrôle#

Comparez quelques cellules avec l’original, puis seulement après demandez les calculs ou conclusions.

Pour un graphique, demandez explicitement de distinguer :

• les valeurs lisibles ;
• les valeurs estimées visuellement ;
• les informations absentes.

Une valeur approximée à partir d’une courbe ne doit jamais être présentée comme une donnée exacte.

Cherchez aussi ce que le document ne dit pas#

Une analyse utile ne se limite pas aux réponses trouvées.

Demandez :

Liste les informations nécessaires pour répondre complètement à la question, mais absentes ou ambiguës dans le PDF.
Pour chacune, indique :
- pourquoi elle est nécessaire ;
- les pages consultées ;
- la source complémentaire qu’il faudrait rechercher.

Cette consigne évite que l’IA complète silencieusement un trou avec une hypothèse vraisemblable.

Le NIST identifie les contenus inexacts ou confabulés parmi les risques propres à l’IA générative. Dans une analyse documentaire, la meilleure protection consiste à rendre visibles les limites : informations absentes, passages illisibles, contradictions et interprétations.

Utilisez une deuxième passe indépendante#

Après la première analyse, demandez un audit du résultat :

Contrôle la réponse précédente à partir du PDF.

Pour chaque affirmation :
1. vérifie que la page indiquée existe ;
2. vérifie que le passage cité soutient réellement l’affirmation ;
3. signale toute généralisation excessive ;
4. repère les chiffres, dates ou exceptions oubliés ;
5. classe le point comme confirmé, à corriger ou non vérifiable.

Ne réécris pas silencieusement la réponse : montre d’abord les écarts.

Cette deuxième passe ne remplace pas la vérification humaine, mais elle aide à concentrer la relecture sur les zones fragiles.

Un prompt complet à copier#

Je vais te fournir un PDF.

Objectif :
[EXPLIQUER PRÉCISÉMENT LA QUESTION]

Méthode obligatoire :
1. Cartographie le document et les sections pertinentes.
2. Réponds uniquement à partir du PDF.
3. Pour chaque information importante, indique la page et un court passage justificatif.
4. Sépare clairement :
   - faits explicites ;
   - interprétations ;
   - informations à confirmer ;
   - informations non trouvées.
5. Ne complète jamais une information absente.
6. Signale les tableaux, graphiques ou pages illisibles.
7. Si deux passages se contredisent, présente les deux.
8. Pour les chiffres, conserve les unités et les notes associées.
9. Termine par une liste de vérifications humaines prioritaires.

Format attendu :
- résumé en cinq lignes ;
- tableau des résultats sourcés ;
- contradictions ou ambiguïtés ;
- informations manquantes ;
- vérifications à effectuer.

Après la réponse, réalise une seconde passe de contrôle et liste les affirmations insuffisamment soutenues.

La routine fiable en sept étapes#

Pour analyser un PDF sans perdre les preuves :

1. vérifiez s’il contient du texte, des scans, des tableaux ou des graphiques ;
2. retirez les données inutiles ou sensibles ;
3. définissez une question précise ;
4. cartographiez les sections pertinentes ;
5. exigez une page et un passage pour chaque résultat important ;
6. contrôlez manuellement un échantillon de citations et de valeurs ;
7. lancez une deuxième passe d’audit.

L’IA est excellente pour parcourir rapidement un document, extraire une structure et préparer une synthèse. La décision finale doit toutefois reposer sur le PDF lui-même.

Une bonne analyse assistée par IA n’est pas celle qui donne la réponse la plus vite. C’est celle qui permet de comprendre d’où vient chaque réponse, ce qui reste incertain et ce qu’il faut encore vérifier.