Lire un PDF à voix haute : ce qui gêne à l'oreille, et ce qu'on en fait
Un PDF est fait pour l'oeil : en-têtes répétés, numéros de page, mots coupés en fin de ligne, colonnes, notes. Ce qui ne devrait pas être lu, et ce que notre extraction retire ou laisse passer, dit sans arrondir.
Un PDF n'a pas été pensé pour être écouté. Il a été mis en page pour l'oeil : un titre courant répété en haut de chaque page, un numéro de page en bas, des mots coupés par un trait d'union quand la ligne se termine, parfois deux colonnes, des appels de note en exposant, un pied de page avec la source. Tout cela est invisible à la lecture rapide, parce que l'oeil saute ce qui se répète. Mais une voix ne saute rien : elle lit ce qu'on lui donne, dans l'ordre où elle le reçoit. D'où la question honnête à se poser avant de confier un PDF à un outil vocal : qu'est-ce qu'il en fait, exactement ?
Ce que notre extraction fait, et rien de plus
Quand vous déposez un PDF, WeDispatch en extrait le texte, réunit toutes les pages en un seul flux, puis fait un ménage léger : il ramène les espaces multiples à un seul, il rapproche les lignes vides qui se suivent, et il enlève les blancs de début et de fin. Il cherche aussi un titre, dans les métadonnées du fichier si elles en portent un, sinon dans la première ligne non vide. C'est tout. Cette étape est purement mécanique, et elle est volontairement prudente.
Ce qu'elle ne fait pas mérite d'être dit clairement, parce que c'est là que se joue le confort d'écoute. Elle ne part pas à la chasse aux titres courants ni aux numéros de page. Elle ne recolle pas un mot coupé en fin de ligne. Elle ne réordonne pas des colonnes. Elle n'efface pas les appels de note. Ces gestes-là paraissent souhaitables, et ils le sont parfois, mais chacun se trompe une fois sur dix : un numéro de page confondu avec un nombre du texte, une colonne recomposée dans le mauvais ordre, une note importante jetée avec le bruit. Se tromper là, c'est retirer du contenu réel. Entre lire un peu de bruit et supprimer une phrase du document, nous avons choisi de ne rien supprimer que nous ne soyons sûrs de reconnaître.
Ce que ça change à l'écoute
La conséquence est simple : un PDF bien construit s'écoute très bien, et un PDF chargé porte une partie de sa mise en page dans la lecture. Un rapport dont chaque page répète son titre en tête vous fera entendre ce titre à intervalles réguliers. Un texte en deux colonnes serrées peut sortir dans un ordre qui n'est pas celui de la lecture. Ce n'est pas une fatalité, c'est une caractéristique du fichier que vous fournissez, et la connaître vous évite la mauvaise surprise. La voix, elle, fait bien son travail sur ce qu'elle reçoit : c'est le même moteur que celui qui sonorise vos articles, et notre parti pris sur le text to speech français vaut ici comme ailleurs, sur les nombres, les sigles et les noms propres.
La suite de la chaîne est la même que pour un article
Une fois le texte extrait, il rejoint le chemin commun à tout ce que nous lisons. Les règles de prononciation françaises s'appliquent, déterministes et écrites, sans modèle : c'est ce qui range « SNCF » en lettres épelées ou corrige un nom via votre lexique. La préparation du texte se fait sur notre infrastructure européenne, et en mode charte, cette étape est purement mécanique. Autrement dit, ce qui touche votre document reste lisible et vérifiable, et un nom mal dit se corrige exactement comme pour un article publié. Pour la part qui ne devrait vraiment pas s'entendre (le bruit typographique d'un texte), notre article sur ce qui ne se lit pas détaille ce que la lecture traite d'elle-même et ce qui reste à votre main.
La façon la plus propre de donner un texte à lire
Si vous voulez le résultat le plus net, le texte que vous collez vous-même bat toujours le PDF, parce que vous en maîtrisez le contenu : pas d'en-tête répété, pas de coupure de ligne, pas de colonne. Le PDF reste le plus pratique quand le document ne vit que sous cette forme (un rapport reçu, une note officielle, un compte rendu), et pour ces cas-là, l'extraction fait ce qu'elle sait faire sans jamais mutiler le fond. C'est aussi ce qui rend l'écoute de documents personnels utile au quotidien, comme nous l'expliquons à propos d'écouter ses articles et ses PDF comme une radio : on dépose ce qu'on a, on l'écoute, et on sait ce qui a été lu.
Sonorisez vos articles avec WeDispatch
Ce blog sera lui-même sonorisé par WeDispatch. Envie de voir ce que ça donne sur vos contenus ?
Demandez une démo