Comparer deux PDF et repérer les changements

Comparer deux versions d'un PDF : comment lire le résultat

L'autre partie a envoyé « le même projet avec de légères modifications ». La question est toujours la même : où sont exactement les modifications et n'est-il pas apparu quelque chose dont personne n'a parlé. Lire les deux documents à la suite prend une heure et fonctionne mal : l'oeil saute un chiffre modifié et trouve des différences là où une ligne s'est simplement décalée.

L'outil répond à cette question de deux façons à la fois, et mieux vaut comprendre la différence avant de lancer.

Deux rapports répondant à des questions différentes

Les deux sont construits par défaut, et le rapport texte figure en tête des résultats. La paire est judicieuse : le rapport texte se copie facilement dans un courriel et se discute ligne par ligne, le visuel s'ouvre à côté de l'original et se montre du doigt.

Si le rapport visuel n'a pas pu être construit alors que vous demandiez les deux, le traitement ne tombe pas : vous recevez le rapport texte plus un avertissement distinct donnant la raison. C'est voulu, car un document que le moteur de rendu n'a pas su traiter se prête d'ordinaire quand même à la comparaison de texte.

Quatre couleurs et ce que chacune signifie

Le rapport visuel balise les pages de cadres colorés, et chaque couleur porte son type de changement.

Il existe aussi un cinquième marqueur, un aplat plein avec sa propre couleur et sa propre ligne de légende. Il marque les différences hors du texte : dans une image, un filet, le fond d'une cellule, une couleur. Ce n'est pas une erreur de balisage mais un autre type de comparaison, décrit plus bas.

Pourquoi « déplacé » n'est pas « modifié »

C'est ici que l'outil fait son vrai travail. Une comparaison naïve confronte les pages ligne à ligne, et l'insertion d'un seul paragraphe en haut rend « modifiées » toutes les lignes en dessous, puisque chacune s'est décalée.

Cette comparaison procède autrement : la page est découpée en blocs de texte, et les blocs sont appariés entre versions par contenu et non par position. Un paragraphe qui a simplement glissé vers le bas à cause d'une insertion au-dessus est reconnu comme le même et n'est pas marqué du tout.

Le marqueur bleu « déplacé » n'apparaît que lorsque le déplacement est une modification et non une conséquence de la remise en page. Une clause partie de la section trois à la section sept ressort en bleu. La même clause poussée deux centimètres plus bas par une phrase ajoutée au-dessus reste non marquée.

Le sens pratique est simple : le décompte du résumé reflète le nombre de modifications réelles, pas l'ampleur de la remise en page.

Ce qui est comparé en dehors du texte

Tout ce qui n'est pas du texte est comparé pixel par pixel : images, logos, filets de tableau, aplats, couleur.

Un détail important : la comparaison de pixels ne s'exerce qu'en dehors des blocs de texte. C'est délibéré, pour qu'une même modification ne soit pas comptée deux fois, d'abord comme texte modifié puis comme pixels modifiés au même endroit.

D'où une perplexité fréquente : « la moitié de la page est surlignée et le résumé annonce zéro modification ». Cela signifie que le contenu textuel n'a pas bougé mais qu'autre chose a changé : une autre version d'un logo, une autre teinte d'aplat, une image réenregistrée avec une autre compression. Parfois cela compte, parfois c'est l'effet secondaire d'un réexport depuis un autre logiciel.

Comment lancer la comparaison

1. Ouvrez compare-pdf et chargez exactement deux fichiers. 2. Veillez à ce que l'ancienne version passe en premier : l'ordre décide de ce qui compte comme ajouté et comme supprimé. 3. Laissez les deux rapports actifs si vous ignorez lequel vous servira. 4. Lancez le traitement et téléchargez le résultat. 5. Commencez par le rapport texte : il montre la substance des modifications. Ouvrez le visuel pour les endroits où le texte seul ne suffit pas.

L'ordre des fichiers mérite une attention à part. L'outil ne sait pas quelle version est la plus récente et en décide par la position : le premier fichier est « avant », le second « après ». Un ordre inversé donne un rapport en miroir où l'ajouté apparaît comme supprimé.

Comparer des numérisations

Une numérisation ne contient pas de texte, un rapport texte sur deux numérisations ressort donc vide, et ce n'est pas une panne.

La comparaison visuelle s'exécute quand même : la partie pixel n'a pas besoin de couche de texte. Pour des documents où il faut repérer une page substituée ou une ligne ajoutée à la main, cela suffit souvent.

S'il vous faut précisément le détail textuel, les deux documents doivent d'abord passer par ocr-pdf. Gardez en tête que le texte reconnu comporte des erreurs : une partie des différences du rapport seront des écarts de reconnaissance et non de documents.

Le même sujet a son avertissement dédié : si le texte n'a pas pu être extrait de façon fiable de certaines pages, le résultat en donne les numéros. Ces pages n'ont pas été comparées au texte et peuvent masquer de vraies différences.

Ce que les réglages changent réellement

Le mode de comparaison décide de la manière dont le texte est extrait pour le rapport texte : texte seul, ou texte avec son espacement. Le second mode remarque les changements de retrait et d'alignement, et il n'a aucun effet sur le rapport visuel.

L'ignorance des espaces est activée par défaut et retire du rapport les différences composées uniquement d'espaces et de retours à la ligne.

Ces deux réglages entrent en conflit, et l'outil le dit honnêtement. En mode texte et mise en page, l'espace est le signal de mise en page, il ne peut donc pas être ignoré, et le réglage cesse silencieusement de s'appliquer au rapport texte. À la place du silence, un avertissement arrive. Le rapport visuel, lui, continue d'honorer le réglage des espaces.

Les limites

Le rapport visuel se construit pour des documents d'au plus cent pages : chaque page doit être dessinée deux fois puis assemblée en double page, ce qui coûte cher. La comparaison de texte n'a pas ce plafond.

Si les documents sont plus longs, le geste sensé consiste à comparer par section plutôt qu'en entier : extrayez les plages voulues des deux versions avec extract-pages et comparez les parties.

Un document protégé par un mot de passe d'ouverture ne peut pas être comparé : le contenu est chiffré. Le mot de passe doit être retiré au préalable.

Enfin : la comparaison répond à la question « qu'est-ce qui a changé », pas à « cette modification est-elle légitime ». Lisez le rapport comme une liste d'endroits à vérifier, non comme une conclusion.