Convertir DOCX en RTF

Cette conversion n’est presque jamais un choix. C’est une exigence qui arrive d’ailleurs : un portail de dépôt judiciaire ou administratif qui ne liste que le texte enrichi et rien de plus récent, une plateforme de transcription ou de dictée, un système de gestion de dossiers dont la routine d’import a été écrite dans les années 1990, un moteur de publipostage qui assemble des lettres en insérant du texte dans un modèle, un pipeline d’e-discovery qui normalise tout ce qu’il reçoit.

La raison pour laquelle ces systèmes ont choisi le RTF mérite d’être comprise, parce qu’elle explique pourquoi ils ne changeront pas. Le RTF peut être produit et consommé par un programme qui ne connaît rien aux archives ZIP, aux schémas XML ou aux suites bureautiques — c’est des caractères et des mots de contrôle. Cela en a fait le plus petit commun dénominateur sûr pour une génération de logiciels, et le code qui en dépend a longtemps survécu à la mode. Microsoft a cessé de développer la spécification en 2008, ce qui dans ce contexte est une fonctionnalité plutôt que de la négligence : un format qui ne change plus jamais est un format sur lequel un système d’admission peut être écrit une fois et laissé tranquille.

Ouvrez-en un dans un éditeur de texte et vous pouvez lire le document. Le texte est là, à découvert, enveloppé dans des mots de contrôle préfixés par un antislash qui décrivent la table des polices, la table des couleurs, la feuille de styles et la mise en forme de chaque passage. C’est verbeux, entièrement imprimable, et réparable à la main d’une manière qu’un format binaire ne l’est jamais.

Cette transparence est toute la personnalité du format. C’est pourquoi un RTF survit à avoir été collé dans un système qui malmène tout ce qui contient un octet nul, pourquoi un RTF cassé peut souvent être récupéré, et aussi pourquoi il ne porte aucune des garanties structurelles qu’un format moderne a. Rien ne le valide. Un fichier qui est légèrement faux s’ouvre en général légèrement faux. Cela vaut la peine d’être su avant de supposer qu’un rendu propre veut dire un fichier propre : un DOCX avec une partie mal formée est refusé net, et un RTF avec le même problème vous montre tranquillement un document auquel manque son dernier tableau.

Un DOCX est une archive ZIP, donc son XML est compressé avant d’arriver sur disque. Le RTF n’a aucune compression du tout ; chaque mot de contrôle est stocké littéralement. Pour un document surtout composé de prose, cela veut typiquement un fichier plusieurs fois plus gros, ce qui est sans particularité jusqu’à ce que cela rencontre une limite de pièce jointe.

Les images sont le cas dramatique. Un RTF stocke une image embarquée en texte hexadécimal, donc chaque octet de l’image devient deux caractères dans le fichier. Une photographie de cinq mégaoctets n’arrive pas comme cinq mégaoctets de RTF. Si le document est illustré et que la destination a un plafond de taille, réduisez les images dans le fichier Word avant de convertir plutôt qu’après. L’autre levier est de retirer les images qui sont décoratives plutôt que substantielles — un logo d’en-tête répété sur chaque page, une photo de stock sur la couverture — puisqu’un système de dépôt s’intéresse au texte et que le coût des graphiques est payé en entier à chaque soumission.

Plus que son âge ne le suggère. Le RTF a une feuille de styles, donc les titres et les styles de paragraphe nommés passent en tant que styles plutôt qu’en tant que mise en forme manuelle. Les tableaux gardent leurs cellules, bordures et régions fusionnées. Les listes gardent leur numérotation. Les en-têtes, pieds de page, numérotations de page, notes de bas de page, hyperliens, signets et mise en page ont tous des représentations directes, comme les attributs au niveau du caractère jusqu’au crénage et à la couleur.

La conversion passe par LibreOffice, qui lit DOCX et écrit RTF comme formats de première classe plutôt que comme un ajout après coup, et la machine sur laquelle il tourne porte des substituts métriquement compatibles pour Arial, Times New Roman, Courier New, Calibri et Cambria. Cela garde les sauts de ligne au même endroit, ce qui compte quand le système destinataire pagine le document lui-même. Ce que le RTF ne peut pas faire est de porter les polices avec le fichier. Il les nomme et rien de plus, donc la machine qui finit par ouvrir la soumission substitue tout ce qu’elle n’a pas — une raison de plus pour rédiger dans les visages ordinaires plutôt que dans ceux des guidelines de marque.

Tout ce que Word a ajouté après que le RTF a cessé d’être développé. Les contrôles de contenu et les balises de document structuré deviennent du texte ordinaire. Les SmartArt arrivent en tant qu’image, s’ils arrivent. Les thèmes de document s’effondrent dans les polices et couleurs concrètes qu’ils résolvaient. Les polices embarquées ne voyagent pas, parce que le RTF n’a aucun mécanisme pour les porter.

Cela vaut la peine d’être vérifié plutôt que supposé, parce que l’échec est silencieux : un contrôle de contenu qui se transforme en texte brut a encore l’air correct à l’écran et ne fait plus rien. Si le DOCX a été généré depuis un modèle avec des régions à remplir, le RTF est un instantané du contenu actuel de ce modèle et non un formulaire. Il en va de même pour tout champ qui était encore en train de calculer — une date qui se mettait à jour, un compte de pages, un renvoi. Chacun de ceux-là se résout à la valeur qu’il avait au moment de la conversion et cesse d’être vivant, ce qui est en général ce qu’un système de dépôt veut et jamais ce qu’un auteur de modèle a voulu.

La syntaxe RTF n’a pas d’endroit où mettre un projet VBA, donc l’automatisation d’un document est laissée de côté par définition plutôt que par politique. Les mots, les tableaux et la mise en page arrivent ; le code n’arrive pas.

Plusieurs des systèmes qui imposent le RTF le font exactement pour cette raison. Un système de dépôt qui accepte des documents inertes et refuse les conteneurs qui peuvent exécuter quoi que ce soit a éliminé toute une catégorie de problèmes de son admission, et il ne sera pas persuadé que votre fichier Word en particulier est inoffensif. La conversion est la réponse qui respecte l’exigence au lieu de discuter avec elle.

Le RTF a bien des représentations pour les marques de révision et les annotations, et les cas simples passent. C’est nettement moins fiable ici qu’un format moderne, cependant, parce que les deux modèles ont des âges différents et que la mise en correspondance se fait à travers un large fossé.

Pour tout ce qui a une piste d’audit attachée, résolvez d’abord les modifications en cours et soumettez un document propre. Si les modifications suivies elles-mêmes sont le livrable — un document barré déposé comme preuve de ce qui a été amendé — vérifiez le résultat dans le programme qui le lira, pas dans celui qui l’a produit. C’est la seule vérification qui signifie quoi que ce soit.

Word, LibreOffice Writer, OpenOffice, WordPad sous Windows et TextEdit sous macOS ouvrent tous le RTF en tant que document mis en forme sans aucun module complémentaire. C’est l’un des très rares formats pour lesquels cette phrase est encore vraie sur toutes les plates-formes de bureau, ce qui est l’autre raison pour laquelle il s’accroche.

Cela veut dire aussi que vous pouvez vérifier la sortie vous-même avant de la soumettre. Ouvrez le RTF, regardez la première page, les tableaux et tout ce qui était un champ de formulaire, et comparez côte à côte avec le DOCX. Trente secondes passées là valent moins cher qu’un dépôt rejeté et qu’une fenêtre de resoumission. Ouvrez-le dans le programme qui ressemble le plus à la destination plutôt que dans celui que vous avez sous la main. Un fichier en texte enrichi rendu par Word et le même fichier rendu par l’analyseur syntaxique d’un système peuvent différer, et c’est l’analyseur qui décide si la soumission est acceptée.

Cela tourne sur un serveur plutôt que dans votre navigateur. Convertir entre deux formats de traitement de texte complets demande un moteur bureautique, et la page le dit clairement au lieu de laisser entendre que tout se passe ici. Le fichier va sur une connexion chiffrée vers un conteneur qui exécute LibreOffice en mode headless.

Ce conteneur ne peut pas faire de connexions sortantes. Chaque travail reçoit son propre répertoire de travail et son propre profil LibreOffice, et le répertoire est supprimé quand le travail se termine quelle que soit l’issue ; les travaux qui tournent encore après soixante secondes sont terminés plutôt que laissés en suspens. Le plafond gratuit est 25 Mo sur le fichier que vous envoyez.

Si le système destinataire va de toute façon retirer la mise en forme — un pipeline d’ingestion qui indexe des mots, un système qui refond tout dans son propre modèle — envoyez du texte brut et cessez de payer pour le balisage. Le résultat est plus petit, sans ambiguïté, et il n’y a plus rien à rendre incorrectement.

Si au contraire le document doit ressembler exactement à ce que vous avez mis en page et que personne ne devrait l’éditer, le PDF est la bonne cible et le RTF en est une mauvaise. Le RTF est le bon choix dans une bande étroite : le destinataire a besoin d’un document éditable, et son logiciel ne prend que le texte enrichi. En dehors de cette bande, l’un des deux autres est en général meilleur.