Traduire un PDF sans casser la mise en page

Un PDF n'est pas un document, c'est une page imprimée

Dans un fichier Word, le texte coule dans des paragraphes : changez un mot, tout se réajuste. Dans un PDF, chaque fragment de texte est posé à des coordonnées fixes, avec sa police et son corps. Il n'y a ni paragraphe, ni colonne, ni tableau — seulement des morceaux de texte placés côte à côte, et un lecteur humain qui les recompose à l'œil.

Traduire un PDF revient donc à retirer chaque fragment, le remplacer par un autre de longueur différente, et le remettre dans une boîte qui n'a pas changé de taille. D'où les trois accidents classiques : le texte déborde, le texte se chevauche, ou l'outil renonce et recrache un fichier texte sans forme.

Le piège n° 1 : le PDF scanné

Un PDF issu d'un scanner ou d'une photo ne contient aucun texte : c'est une image. Aucun outil de traduction ne peut y accéder sans passer d'abord par une reconnaissance de caractères, qui introduit ses propres erreurs — et sur un tableau de chiffres, une erreur de reconnaissance est pire qu'une erreur de traduction.

Le test tient en deux secondes : ouvrez le fichier et essayez de sélectionner un mot à la souris. Si la sélection attrape un rectangle bleu au lieu de mots, votre PDF est une image. Cherchez le fichier d'origine — le Word, l'InDesign, l'export comptable — avant toute chose. Il existe presque toujours.

Le piège n° 2 : l'expansion du texte

Une même phrase ne fait pas la même longueur d'une langue à l'autre. Les ordres de grandeur, depuis le français :

• vers l'anglais : environ 10 à 15 % plus court ;
• vers l'allemand : 20 à 30 % plus long, avec des mots composés qui ne se coupent pas ;
• vers l'espagnol ou l'italien : 10 à 20 % plus long ;
• vers le chinois ou le japonais : beaucoup plus court en signes, mais chaque signe est plus large ;
• vers l'arabe : sens de lecture inversé, ce qui retourne toute la composition.

Un bouton d'interface, une cellule de tableau, un cartouche de plan : ce sont eux qui cassent en premier. Si votre document en contient beaucoup, prévoyez une relecture visuelle, quel que soit l'outil.

Ce que fait Manuce, et ce qu'il ne fait pas

Nous lisons le PDF bloc par bloc : position, taille, couleur, graisse, et les rangées de tableau ligne par ligne. Le texte d'origine est retiré de sa boîte, la traduction y est réinsérée, la taille réduite juste ce qu'il faut si elle déborde. Les images, les fonds, les logos et la structure ne sont jamais touchés. La police d'origine est réutilisée quand elle est incorporée dans le fichier et qu'elle couvre les caractères de la langue cible ; sinon nous prenons une équivalente de mêmes métriques, en conservant gras et italique.

Deux limites, dites franchement : les PDF scannés sans couche de texte ne sont pas pris en charge ; et vers les écritures arabes, indiennes et thaïes, la remise en page d'origine n'est pas disponible — ces langues sont livrées en Word et en PDF remis en forme.

Si vous avez le fichier Word, PowerPoint ou Excel d'origine, envoyez-le plutôt que le PDF : le résultat sera meilleur, et vous pourrez le retoucher ensuite.

Les deux familles de PDF, et pourquoi tout en dépend

Un PDF n'est pas un format, c'est un conteneur. Deux fichiers d'apparence identique peuvent être radicalement différents à l'intérieur, et c'est ce qui décide de ce qu'on peut en faire.

Le PDF avec couche de texte. Produit par un export depuis Word, InDesign, un traitement de texte ou un logiciel comptable. Le texte y est présent en tant que texte : vous pouvez le sélectionner à la souris, le copier, le chercher. C'est le cas favorable — le texte s'extrait avec sa position, sa police, sa taille et sa couleur, et se remet exactement à sa place après traduction.

Le PDF image. Produit par un scanner, une photo ou un fax. Il ne contient aucun texte, seulement une image de texte. Aucun outil ne peut le traduire directement : il faut d'abord une reconnaissance optique de caractères, qui introduit ses propres erreurs.

Le test prend trois secondes : ouvrez le PDF et essayez de sélectionner un mot. Si le curseur ne l'attrape pas, vous avez un PDF image.

Ce qui casse, techniquement, et comment l'éviter

Quatre choses cassent une mise en page traduite, dans cet ordre de fréquence.

Le foisonnement. Un texte français traduit en allemand s'allonge de 20 à 30 %. Dans un bloc de taille fixe, il déborde. La parade est de réduire légèrement la taille de police plutôt que de laisser le texte se répandre — c'est ce que fait Manuce, et c'est pour cela qu'un œil doit repasser sur une plaquette avant impression.

Les polices. Si le PDF incorpore une police qui ne couvre pas les caractères de la langue cible — un cyrillique, un grec, un chinois — le texte traduit sort en carrés vides. Il faut alors substituer une police aux métriques équivalentes, en conservant graisse et italique.

Les césures. Un mot coupé en fin de ligne dans le PDF d'origine se retrouve extrait en deux morceaux. Sans recollage, la traduction porte sur deux fragments qui ne veulent rien dire.

Les tableaux. Un tableau est, dans un PDF, une suite de blocs de texte sans lien entre eux. Les traduire un par un perd la logique des lignes. Il faut les reconstituer en rangées avant de traduire.

Les écritures où la mise en page d'origine n'est pas tenable

Certaines écritures ne se remettent pas en place dans un PDF conçu pour l'alphabet latin : l'arabe et l'hébreu s'écrivent de droite à gauche, les écritures indiennes forment des ligatures qui changent la largeur des mots, le thaï s'écrit sans espaces.

Dans ces cas, Manuce ne promet pas ce qu'il ne peut pas tenir : le document est livré en Word et en PDF remis en forme, et l'indisponibilité de l'option est annoncée au moment du dépôt — avant le paiement, pas après. C'est un choix assumé : mieux vaut un client informé qu'un client déçu.

Le bon réflexe : partez du fichier source

Si vous avez encore le Word, le PowerPoint ou l'Excel qui a produit le PDF, envoyez-le plutôt que le PDF. Le résultat sera meilleur, et vous récupérerez un fichier modifiable au lieu d'un PDF figé.

Le PDF est un format de diffusion, pas un format de travail. On ne le traduit bien que par défaut — quand la source a été perdue, ou qu'elle appartient à quelqu'un d'autre.