Comment supprimer les pages vierges d'un PDF scanné

Une page vide scannée est rarement blanche : fond gris, points de poussière, bande laissée par le rouleau. Le détecteur rend chaque page en image, retire les points isolés, mesure la part de pixels sombres et compte les caractères de la couche texte. La page ne part que si les deux vérifications la jugent vide. Le niveau de sensibilité décide jusqu'à quel point une feuille « sale » passe encore pour propre, et les pages qui ne portent qu'une signature ou un tampon méritent d'être protégées par la reconnaissance de texte ou vérifiées à la main.

Une pile d'attestations recto seul est passée dans le chargeur en mode recto verso, et dans le PDF une page sur deux est vide. Ou bien un contrat scanné, rempli d'un seul côté sur la moitié des feuilles : sur quarante pages, vingt sont blanches. Envoyer un tel fichier fait négligé, l'imprimer gaspille du papier, et retirer ces pages à la main est long et propice aux erreurs.

Supprimer les pages vierges repère ces feuilles et les retire en une seule passe. Mais le scanner et l'humain n'entendent pas la même chose par « page vierge », et selon la façon dont le détecteur tranche, une page signée peut partir avec. Voyons comment il fonctionne, ce que règlent ses paramètres et où le contrôler.

D'où viennent les pages vierges d'un PDF

Le plus souvent, le coupable est le mode recto verso du scanner. Le chargeur capture les deux faces de chaque feuille ; verso propre, page vide dans le fichier. Pour une pile de documents recto seul, c'est la moitié du fichier.

Deuxième cause : les intercalaires. On glisse des feuilles blanches entre les documents pour découper le scan ensuite, et on oublie de les enlever. Troisième cause : l'export depuis un traitement de texte, où un saut de section ou un saut de page en trop à la fin produit une page blanche absente du texte.

Quatrième cause, à garder en tête avant de lancer l'outil : les pages vides volontaires. Dans les livres, un chapitre commence sur une page de droite, impaire, précédée d'un verso vide. Dans un document préparé pour l'impression recto verso, ces feuilles tiennent la mise en page ; les retirer décale tous les chapitres sur des pages paires. Pour les fichiers « bons à imprimer », mieux vaut supprimer les pages par numéro.

Pourquoi une page vide scannée n'est pas blanche

Agrandissez une page « vide » d'un scan : elle n'est pas blanche. Le papier tire sur le gris, la poussière de la vitre parsème la surface, une fine bande du rouleau court le long du bord, et si le verso était rempli, son texte transparaît en miroir. Pour un programme qui cherche du blanc pur, une telle page déborde de contenu.

Le détecteur ne cherche donc pas le blanc : il mesure ce qui est plus sombre que le papier. Chaque page est rendue en image et convertie en niveaux de gris. Un filtre médian remplace ensuite chaque pixel par la médiane de ses voisins : la poussière isolée et le bruit du scanner disparaissent, les taches pleines, les lettres et les traits restent. L'outil calcule enfin la part des pixels plus sombres que le seuil du papier : proche de zéro pour un scan réellement vide, nettement plus élevée pour un seul paragraphe.

Le filtre règle le problème principal des scans : sans lui, une feuille constellée de saletés passerait pour remplie et resterait dans le fichier.

Seconde vérification : la couche texte

L'image n'est pas la seule source : si le PDF possède une couche texte, l'outil compte à part, par page, les caractères hors espaces. Deux cas en dépendent.

Le premier : les documents de traitement de texte. Une page qui ne porte que « Annexe 2 » n'a presque pas d'encre, mais elle a du texte, et elle reste. Le second est l'inverse : une page dont la couche texte dit « Cette page a été laissée vide intentionnellement » reste aussi, car aucun niveau de sensibilité ne tolère autant de caractères. Et c'est voulu, cette page a été placée exprès.

Pour qu'une page soit supprimée, les deux vérifications doivent concorder : moins d'encre que le seuil et moins de caractères que le seuil. Une seule vérification « remplie » suffit à la garder. Sans texte reconnu, un scan n'a aucun caractère, et la décision repose sur la seule image.

Ce que règlent les trois niveaux de sensibilité

Le réglage « sensibilité » fixe les deux seuils à la fois : la part de surface sombre et le nombre de caractères tolérés pour que la page passe encore pour vierge. Plus le niveau est haut, plus le détecteur accepte de déclarer propre une feuille « sale ».

Quelques repères : au niveau moyen, une page est vierge si moins d'un pour cent de sa surface est plus sombre que le papier et si sa couche texte ne compte que quelques caractères. Le niveau faible est deux fois plus strict, le niveau haut deux fois plus tolérant. Or une ligne de petit texte sur une feuille A4 occupe nettement moins d'un pour cent : au niveau haut, un scan qui ne porte qu'une courte ligne peut donc disparaître.

D'où la règle pratique : commencez au niveau moyen, montez s'il reste des pages grises vides, descendez si quelque chose d'utile a disparu. Chaque lancement repart du fichier d'origine, essayer plusieurs niveaux n'abîme rien.

Le seuil en pour cent pour un réglage manuel

Sous les niveaux, un champ étiqueté « taux de blanc minimum » accepte un seuil en pour cent. C'est la même part de surface, en nombre : 95 signifie qu'une page est vierge si au moins 95 pour cent de sa surface sont propres, donc si le sombre n'en occupe pas plus de cinq. Plus le nombre est élevé, plus la vérification est stricte et moins de pages partent.

Tant que vous ne touchez pas au champ, il n'intervient pas : le seuil vient du niveau de sensibilité. Dès qu'une valeur y est saisie, elle remplace le seuil de surface du niveau, tandis que le seuil sur les caractères continue de venir du niveau. Réservez-le donc aux cas où les trois niveaux ont échoué : un scan très sombre, par exemple, dont le fond occupe plusieurs pour cent de la surface et que même le niveau haut ne juge pas vide. Abaissez le seuil sous celui du niveau, et ces feuilles disparaissent.

L'inverse existe aussi : si l'outil refuse de travailler parce qu'il juge toutes les pages vides alors que le seuil est déjà au maximum, le message d'erreur invite à réduire la sensibilité, car le seuil lui-même n'y peut plus rien.

« Garder la première page »

Un interrupteur à part protège la première page, même si le détecteur l'a jugée vierge. Il sert pour les couvertures et les pages de titre : dans les dossiers scannés, la première page porte souvent une seule mention ou un cachet, facile à perdre au niveau haut. Protégée, elle reste en place ; les autres feuilles sont vérifiées normalement.

L'interrupteur ne s'étend pas aux autres pages. Pour garder une feuille vide au milieu du document, un intercalaire avant une annexe par exemple, remettez-la après coup, ou supprimez les pages vides à la main par numéro.

Marche à suivre

1. Ouvrez Supprimer les pages vierges et importez un seul PDF. L'outil traite un fichier par lancement : fusionnez d'abord une pile de scans en un seul document. 2. Laissez le niveau moyen pour la première passe. Si la première page est une page de titre, activez « garder la première page ». 3. Lancez le traitement. Les pages sont vérifiées l'une après l'autre : sur un long scan, l'indicateur avance régulièrement. 4. Téléchargez le résultat et vérifiez-le comme décrit plus bas avant de supprimer l'original.

Un fichier protégé par un mot de passe à l'ouverture est refusé : retirez d'abord le mot de passe avec Déverrouiller le PDF, puis supprimez les pages. Une protection qui interdit seulement l'impression ou la copie ne gêne pas. Un fichier endommagé qui ne s'ouvre pas passe d'abord par Réparer le PDF.

Comment vérifier le résultat

L'outil n'affiche pas la liste des pages supprimées, mais le résultat se contrôle en une minute.

Regardez d'abord le nombre de pages : pour un scan recto verso de documents recto seul, il doit être divisé exactement par deux, quarante avant, vingt après. Dix-neuf : une page remplie est partie avec les vides, il faut la retrouver. Vingt-trois : le détecteur a laissé passer trois feuilles vides, montez d'un niveau.

Feuilletez ensuite le fichier là où les pages vides se trouvaient à coup sûr : versos, limites entre documents, fin du fichier. Les pages voisines doivent se suivre sans trou. Regardez surtout les feuilles peu chargées, une signature, un tampon, une ligne avec un numéro d'annexe, une note manuscrite : ce sont elles qui frôlent le seuil.

Gardez l'original tant que vous n'êtes pas sûr du résultat : la suppression a lieu dans un nouveau fichier.

Les pages que le détecteur peut supprimer à tort

Tout détecteur automatique a sa zone de risque, ici bien délimitée : les pages scannées avec peu d'encre et sans couche texte.

• Une feuille avec une seule signature ou un paraphe : une fraction de pour cent de la surface, et pas de couche texte.
• Une page avec un cachet ou un tampon sans texte autour.
• La dernière page d'un contrat, avec la seule ligne « Annexes : trois feuillets » en petits caractères.
• Un formulaire dont une seule case est remplie.
• Des annotations au crayon, pâles, sur une feuille presque vide.

Au niveau faible, ces pages restent presque toujours ; au niveau moyen, généralement aussi ; au niveau haut, elles peuvent disparaître. Si le document en contient, lancez au niveau faible ou donnez d'avance au détecteur un second appui.

Ce second appui, c'est la couche texte. Passez le scan par PDF ROC avant de supprimer les pages vierges : le texte reconnu apparaît sur chaque page où quelque chose est lisible, numéro d'annexe, tampon d'un organisme, ligne en petits caractères. Pour le détecteur, une telle page n'est plus vierge, quelle que soit l'encre sur l'image. Les feuilles réellement vides ne reçoivent aucun texte et partent comme avant. Une signature sans la moindre lettre, la reconnaissance ne la sauve pas : ces pages-là, vérifiez-les à l'œil.

Ce qui change d'autre dans le fichier

Supprimer des pages ne se résume pas à les masquer dans la visionneuse. L'outil assemble un nouveau document à partir des pages restantes, redirige les liens internes et les signets vers les nouveaux numéros et jette les objets que plus rien ne référence. Le contenu des pages supprimées ne subsiste pas. Cela compte si la page « vide » était en réalité un verso qui transparaissait, avec les données d'un tiers : après le traitement, il n'est plus dans le fichier.

La numérotation imprimée sur les feuilles, s'il y en avait une, n'est pas recalculée : ce n'est que du texte sur une image. S'il vous en faut une continue, remettez-la avec un outil dédié.

Dans quel ordre traiter une pile de scans

Supprimer les pages vierges est rarement la seule opération sur un scan : il y a aussi l'assemblage, la rotation, la reconnaissance du texte et la compression, et l'ordre de ces étapes influe sur le résultat.

Assemblez le fichier avant le nettoyage, pas après : les feuilles vides partent alors de toutes les parties en un seul lancement, sans refaire le réglage par fichier. Les pages à l'envers peuvent pivoter à tout moment : le détecteur regarde la part d'encre, pas l'orientation.

Placez la reconnaissance de texte avant le nettoyage si le document contient des pages peu chargées : la couche texte protégera les pages de signature et les tampons. Sinon, placez-la après : elle ira plus vite sans les pages vides.

Gardez la compression pour la fin : elle recalcule les images des pages, et chaque page en trop coûte du temps et de la place. De plus, une forte compression change la teinte du fond gris, et le seuil qui convenait au scan d'origine peut réagir autrement : le détecteur doit voir le fichier tel qu'il sort du scanner.

La séquence pour une pile ordinaire de documents recto seul : assembler, retirer les pages vierges, pivoter si besoin, reconnaître le texte, compresser avant l'envoi. Pour un dossier avec des pages de signature et des formulaires, la reconnaissance passe en deuxième, avant le nettoyage.

Quand il vaut mieux supprimer par numéro plutôt qu'avec le détecteur

L'automatisme convient aux scans où les pages vides sont nombreuses et se ressemblent toutes. Dans trois cas, la méthode manuelle est plus sûre.

Le premier : un fichier destiné à l'impression recto verso, où les versos vides sont là exprès. Le deuxième : un document avec plusieurs pages presque vides mais nécessaires, pages de signature, formulaires à une seule case. Le troisième : deux ou trois pages vides dont on sait où elles sont. Ouvrez alors Supprimer des pages et indiquez les numéros, ou retirez le superflu à vue dans Organiser le PDF, où chaque page est visible avant de disparaître.

Et si la numérisation reste à faire, autant ne pas créer le problème : pour des documents recto seul, désactivez le mode recto verso du scanner, et les versos vides n'entreront pas dans le fichier. Quand le scan se fait au téléphone, Numériser vers PDF n'assemble que les photos que vous avez prises : pas de page vide par construction.