Qu’est-ce qu’un fichier DOC ?

DOC est un format binaire, qui ne veut rien dire hors d’un programme qui le connaît. Il est utilisé pour la retouche.

L’extension est .doc et le nom complet Word 97-2003 Document. L’un et l’autre comptent moins que ce que le fichier peut contenir, et c’est le sujet du reste de cette page.

Microsoft l’a publié en 1997.

À un format resté lisible aussi longtemps, on peut confier quelque chose qu’on veut retrouver dans dix ans.

Elle est écrite et implémentable, même si c’est l’éditeur qui décide de la version suivante. En pratique cela suffit pour que le fichier continue de s’ouvrir ; cela ne suffit pas pour en être sûr.

Il s’ouvre encore partout et les anciens logiciels l’écrivent toujours, mais plus rien de neuf ne se construit autour. Convertissez ce que vous voulez garder, et ne le choisissez pas pour un projet qui commence aujourd’hui.

Un fichier DOC n’est pas limité à une page, et cela compte au moment de le convertir vers quelque chose qui l’est : une conversion produit un fichier contenant une seule page — la première, sauf si le convertisseur vous laisse choisir laquelle.

DOC contient un document texte : des paragraphes qui se recomposent selon la page où ils tombent.

C’est ce qui décide de la conversion : le texte se recompose, donc les numéros de page sont une propriété du résultat et non du fichier.

Microsoft Word et LibreOffice Writer le lisent, comme la plupart des programmes du même genre.

Quand un fichier ne s’ouvre pas, le format est rarement en cause : le plus souvent, c’est le programme qui est plus ancien que lui. Convertir vers quelque chose de plus ancien est le contournement fiable, et c’est à cela que sert le reste de ce site.

Aucun navigateur ne le lit.

C’est de loin la raison la plus fréquente de le convertir : non pas que le format soit mauvais, mais que l’endroit où vous voulez montrer le fichier ne sache pas le lire.

DOC est fait pour être ouvert et modifié. Gardez le fichier dans ce format tant que le travail dure, et exportez depuis lui chaque fois qu’une version finie est nécessaire.

Les reproches qui reviennent : la mise en page est reconstruite plutôt que reproduite à l’identique.

Rien de tout cela n’est une raison d’éviter le format. Ce sont les choses à connaître avant que l’une d’elles vous surprenne, ce qui est une affirmation différente et plus utile.

Le DOC a été le format de Word de 1983 jusqu’à ce qu’Office 2007 le remplace par DOCX. Il est supplanté depuis près de deux décennies, et un DOC qui arrive aujourd’hui a une histoire : il sort d’une archive, d’un dossier de modèles que personne n’a revisité, d’un système d’archivage scanné, d’un cabinet d’avocats, ou d’une sauvegarde d’un ordinateur qui n’existe plus.

Cela conditionne ce qu’il est utile d’en savoir. Les questions intéressantes sont comment l’ouvrir, ce qui sera perdu en le convertissant, et ce qu’il porte peut-être — pas s’il faut l’utiliser, parce que cette décision a été prise pour vous il y a longtemps, et c’est ce qui rend la question de la conversion plus urgente que celle du choix initial.

Là où DOCX est une archive ZIP de XML lisible, DOC est un fichier composé binaire — en pratique un petit système de fichiers à l’intérieur d’un seul fichier, contenant des flux de données structurées. L’ouvrir dans un éditeur de texte montre des fragments de vos mots épars au milieu de bruit binaire, ce qui est déroutant la première fois.

La spécification a fini par être publiée, et elle est énorme, parce que le format a grandi par accumulation sur vingt ans plutôt que d’être conçu. C’est la raison honnête pour laquelle le support DOC hors de Microsoft Word a toujours été approximatif : pas par mauvaise volonté, mais à cause d’une cible mouvante avec des décennies de comportement non documenté qui s’est déposée en couches successives.

Les anciennes versions de Word utilisaient une technique appelée fast save, qui ajoutait les modifications à la fin du fichier plutôt que de le réécrire. Cela rendait la sauvegarde rapide sur le matériel de l’époque et signifiait que le texte supprimé restait souvent dans le fichier, invisible dans Word et parfaitement lisible pour tout outil qui regardait les octets.

Cela a produit une série d’incidents bien documentés impliquant des documents dont les versions antérieures ont été récupérées par les destinataires, et dont certains ont eu des conséquences judiciaires. Si un DOC en votre possession a un historique qui mérite attention, traitez-le comme contenant plus que ce qu’il affiche — et notez que le convertir en PDF ou DOCX par un outil moderne est l’une des façons fiables d’en laisser le résidu derrière, ce qui résout d’un coup la question de la confidentialité.

Le texte, les titres, les listes, les tableaux, les notes de bas de page et les images passent de façon fiable. Le suivi des modifications et les commentaires survivent en général. Pour l’écrasante majorité des documents — lettres, rapports, contrats, manuscrits — le fichier converti est le même document, et la transition est sans surprise.

Ce qui dérive, c’est la mise en page précise. La gestion des sauts de ligne et des polices de Word a changé d’une époque à l’autre, de sorte qu’une page qui se terminait exactement sur un certain mot peut se terminer une ligne plus tôt ou plus tard, et qu’un tableau dimensionné pour tenir peut se redéployer. Dans un document de cinquante pages, cela peut déplacer un saut de page. Si la pagination elle-même compte — un dossier juridique, un manuscrit mis en page — convertissez plutôt en PDF, où la mise en page est figée plutôt que recalculée.

Un DOC référence les polices par leur nom et ne les embarque généralement pas. Un document écrit en 2004 sur une machine Windows peut réclamer des polices livrées avec l’Office de cette décennie et qui n’existent plus nulle part, de sorte que le lecteur substitue quelque chose de largeur différente et de métriques distinctes.

Le résultat est un document entièrement correct mais subtilement décalé : sauts de ligne à d’autres endroits, un titre qui passe sur deux lignes, une colonne de tableau tout à coup trop étroite. Rien n’a été perdu. Si l’apparence doit être exacte, la seule réponse fiable est un PDF fait sur une machine qui possède les polices, et il n’y a pas d’autre moyen d’obtenir la même mise en page sur un autre poste.

Un fichier DOC peut contenir des macros. C’est la différence pratique la plus importante avec DOCX, qui ne le peut pas — un document moderne porteur de macros doit être enregistré en DOCM et le dit dans son extension, ce qui est une protection de surface plutôt qu’une protection en profondeur.

Les documents Word avec macros ont été le vecteur de livraison d’une génération entière de logiciels malveillants, ce qui explique pourquoi le Word moderne ouvre les fichiers venus d’Internet en vue restreinte et refuse d’exécuter quoi que ce soit tant qu’on ne le lui a pas demandé deux fois. Une pièce jointe DOC inattendue mérite la méfiance que le logiciel lui porte déjà, et la convertir plutôt que de l’ouvrir dans Word est une façon raisonnable d’en lire le contenu sans rien exécuter.

Surtout des institutions à longue mémoire. Les systèmes de dépôt judiciaire et administratifs qui ont spécifié un format en 2003 et ne l’ont pas remis en cause. Les dossiers de modèles d’entreprise où une forme a été recopiée pendant vingt ans. Les anciens systèmes d’archivage documentaire qui exportent ce qu’ils stockaient. Parfois un logiciel qui écrit du DOC parce qu’une bibliothèque dont il dépend n’a jamais supporté autre chose, et qui maintient la compatibilité par inertie.

Il y a aussi un cas plus discret : des fichiers qui ne sont pas du DOC. Certains outils écrivent du RTF ou même du HTML et nomment le résultat .doc parce que Word l’ouvre quand même. Si un convertisseur refuse un fichier que Word accepte, c’est utile à vérifier avant de conclure à un fichier endommagé, parce que la conversion attendue n’a pas de sens si le contenu n’est pas du DOC.

La première chose à écarter est un fichier qui n’est pas un DOC. D’anciens documents Works, des fichiers WordPerfect et du RTF renommé en .doc apparaissent, et chacun a besoin d’un lecteur différent. Les premiers octets le disent : un véritable DOC commence par la signature d’un fichier composé, et le RTF commence par les caractères qui épellent son nom.

Un vrai dommage est plus rare et généralement partiel, parce que le format stocke le texte dans des flux qui peuvent survivre à la perte de la structure autour. L’option de récupération de texte de Word en extrait les mots et abandonne la mise en forme, ce qui pour un document dont la valeur est le contenu est en général le bon arbitrage, et mieux vaut un texte brut qu’un fichier qui refuse de s’ouvrir.