PDF en Excel : comment fonctionne vraiment l’extraction de tableaux

Vous voyez bien le tableau dans un PDF : des lignes, des colonnes, un en-tête, un total en bas. Il paraît évident qu’un convertisseur devrait le transférer tel quel dans une feuille de calcul. Le problème, c’est que le PDF ne contient pas de tableau. Il contient des instructions pour dessiner des caractères à certains endroits et des traits à d’autres, et la grille que vous voyez est reconstituée par vos yeux. Chaque convertisseur PDF en Excel doit reconstruire le tableau à partir de ces morceaux épars, ce qui explique que les résultats aillent du parfait à l’inutilisable. Ce guide explique comment fonctionne cette reconstruction, où elle échoue, et comment obtenir des chiffres propres dans Excel dans tous les cas.

Ce que contient réellement un tableau PDF

Prenez une ligne de facture à trois colonnes : « Conseil », « 12 mars 2026 » et « 1 250,00 ». Dans le PDF, il s’agit d’un ensemble de fragments de texte séparés, chacun avec une coordonnée x et y. Les fragments ne correspondent pas forcément aux mots : un programme écrit « 1 250,00 » d’un seul tenant, un autre en « 1 2 » et « 50,00 », un autre encore place chaque caractère séparément. Ils n’apparaissent pas non plus forcément dans l’ordre de lecture. Certains programmes dessinent un tableau entier colonne par colonne.

Les traits de la grille sont des instructions de dessin distinctes, sans lien avec le texte. Un trait épais peut être dessiné en de nombreux petits segments, une ligne ombrée peut être un rectangle plein sans aucun trait, et beaucoup de tableaux n’ont aucun trait. Rien dans le fichier ne dit « ceci est une cellule », « ces deux cellules sont fusionnées » ou « cette ligne fait partie du tableau ».

Les deux façons dont les convertisseurs trouvent un tableau

Les outils d’extraction de tableaux utilisent généralement l’une de deux méthodes. Des outils libres comme Tabula et Camelot les appellent « lattice » et « stream ».

Suivre les traits de la grille (lattice). Le convertisseur rassemble les traits horizontaux et verticaux, détermine où ils se croisent et traite chaque zone fermée comme une cellule. Il place ensuite chaque morceau de texte dans la cellule où il tombe. Cela fonctionne très bien pour les tableaux à grille complète. Cela échoue quand il n’y a pas de traits, quand les traits sont morcelés en fragments qui ne se rejoignent pas tout à fait, ou quand un ombrage remplace les bordures.
Suivre les espaces vides (stream). Le convertisseur regroupe le texte en lignes selon sa hauteur sur la page, puis cherche des espaces verticaux qui se répètent de ligne en ligne et les traite comme des limites de colonnes. Cela convient aux tableaux sans bordures, comme beaucoup d’états financiers. Cela peine quand les colonnes sont rapprochées, quand une colonne est centrée plutôt qu’alignée, ou quand une longue valeur sur une ligne enjambe l’espace qui sépare deux colonnes sur toutes les autres.

Les deux méthodes sont des heuristiques. Elles sont fiables sur les tableaux propres et réguliers, et peu fiables sur tout le reste : c’est pourquoi aucun convertisseur ne réussit tous les tableaux.

Où l’extraction de tableaux échoue

Même quand les colonnes sont correctement trouvées, certains problèmes reviennent sans cesse :

Les cellules sur plusieurs lignes. Une description qui passe à la ligne ressemble à une nouvelle ligne où une seule colonne est remplie.
Les titres fusionnés ou à cheval. Un titre placé au-dessus de deux colonnes doit être attribué à l’une d’elles, ou à aucune.
Les sauts de page. Un tableau qui continue sur la page suivante répète son en-tête, et une ligne peut être coupée par le saut.
Les nombres qui arrivent sous forme de texte. Les symboles monétaires, les séparateurs de milliers, les montants négatifs entre parenthèses et les appels de note accolés à un chiffre peuvent tous empêcher Excel de reconnaître un nombre. Un point décimal, comme dans « 1,250.00 », n’est lu correctement que si votre Excel utilise la même convention.
Les dates ambiguës. 03/04/2026 correspond au 3 avril dans certains pays et au 4 mars dans d’autres, et Excel en choisira une selon vos paramètres.
Les polices sans correspondance de texte. Certains PDF incorporent des polices sans la table qui relie chaque glyphe à un caractère. Elles s’affichent parfaitement, mais copier ou extraire leur texte donne du charabia.
Les numérisations. Une page numérisée ne contient aucun texte, seulement une image de celui-ci : il n’y a donc rien à extraire sans OCR préalable.

Ce que fait notre outil PDF en Excel

Notre convertisseur PDF en Excel fonctionne dans votre navigateur : le fichier n’est envoyé nulle part. Il donne à chaque page du PDF sa propre feuille de calcul, nommée Page 1, Page 2, etc. Dans la colonne A, il écrit chaque ligne de texte de la page, de haut en bas, une ligne par rangée, et il place chaque image à l’endroit de la page où elle était dessinée.

Il n’essaie pas de deviner où se trouvent les colonnes. Ainsi, chaque ligne est conservée, dans l’ordre de lecture, sans que rien soit perdu ou placé dans la mauvaise colonne par une mauvaise supposition. Mais cela signifie aussi qu’une ligne de tableau arrive dans une seule cellule, ses valeurs séparées par de simples espaces, et que c’est à vous de la répartir en colonnes. Si le PDF a dessiné son tableau colonne par colonne, les valeurs d’une ligne peuvent au contraire arriver dans des cellules successives.

Il n’y a pas d’OCR : une page numérisée arrive donc sous forme d’image et non de texte. Un PDF qui demande un mot de passe à l’ouverture doit d’abord être déverrouillé.

Répartir une colonne en vraies colonnes dans Excel

Excel dispose de bons outils pour la seconde moitié du travail :

Convertir, dans l’onglet Données, découpe une colonne selon un séparateur. Choisissez Délimité, puis Espace. Cela fonctionne bien quand les valeurs elles-mêmes ne contiennent pas d’espace, ce qui est courant dans les tableaux de nombres et de codes. Sous Avancé, à la dernière étape, vous pouvez définir les séparateurs décimal et de milliers, ce qui corrige les montants du type « 1,250.00 ».
Le remplissage instantané (Ctrl+E) apprend à partir d’un exemple. Saisissez dans la colonne suivante la valeur voulue pour la première ligne, appuyez sur Ctrl+E, et Excel remplit le reste en suivant le même modèle.
Les formules, dans Excel pour Microsoft 365. =FRACTIONNER.TEXTE(A2;" ") répartit une ligne sur plusieurs colonnes, et =TEXTE.APRES(A2;" ";-1) renvoie tout ce qui suit le dernier espace, c’est-à-dire généralement le montant en fin de ligne. Entourez-la de CNUM() pour la transformer en nombre.

Excel pour Microsoft 365 sous Windows peut aussi importer directement un PDF, via Données, Obtenir des données, À partir d’un fichier, À partir d’un PDF. Il cherche lui-même les tableaux et vaut la peine d’être essayé sur les tableaux aux bordures nettes.

D’autres pistes à essayer

Le moyen le plus fiable de sortir un tableau d’un PDF est de ne pas le sortir du PDF du tout. Les chiffres viennent à l’origine d’une feuille de calcul, d’un logiciel de comptabilité ou d’une base de données, et la personne qui a créé le PDF peut généralement exporter les mêmes données en feuille de calcul ou en fichier CSV. Beaucoup de banques, par exemple, permettent de télécharger un relevé en CSV aussi bien qu’en PDF.

Pour un tableau doté d’une grille complète, PDF en Word vaut la peine d’être essayé. Quand un tableau en ressort sous forme de vrai tableau Word, vous pouvez le copier dans Excel et les cellules restent des cellules. C’est aussi la voie à suivre pour un tableau numérisé, puisque PDF en Word applique l’OCR aux pages numérisées.

Vérifier le résultat avant de l’utiliser

Les erreurs d’extraction sont silencieuses. Une valeur dans la mauvaise colonne a l’air tout aussi valable qu’une valeur dans la bonne. Avant de vous fier à des données extraites :

Faites la somme d’une colonne avec SOMME et comparez-la au total imprimé dans le PDF. Si les deux correspondent, les chiffres sont presque certainement corrects. C’est de loin la meilleure vérification qui soit.
Comparez le nombre de lignes avec le PDF, et regardez de près la première et la dernière ligne de chaque page, là où les sauts de page posent problème.
Cherchez les nombres stockés sous forme de texte. Par défaut, Excel les aligne à gauche de la cellule et les signale par un petit triangle vert.
Vérifiez quelques dates à la main, surtout celles dont le jour est inférieur ou égal à 12.

Conclusion

Un tableau PDF est l’image d’un tableau, faite de texte et de traits qui semblent seulement reliés. Les convertisseurs le reconstruisent à partir des traits de la grille ou des espaces vides, et les deux méthodes échouent sur les mises en page irrégulières. Sachant cela, vous pouvez choisir la bonne voie : demander les données sources quand c’est possible, extraire les lignes et les répartir dans Excel quand ça ne l’est pas, et toujours vérifier les totaux avant que les chiffres partent quelque part d’important.

Besoin du texte d’un PDF dans une feuille de calcul ? Essayez PDF en Excel.

← Retour au blog