Qu’est-ce qu’un fichier DOCX ?

DOCX est un conteneur : une enveloppe pour des flux encodés par autre chose. Il est utilisé pour la retouche.

L’extension est .docx et le nom complet Word 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 2007. La spécification est ECMA-376.

L’âge est utile à connaître pour une raison pratique : plus un format est ancien, plus les programmes ont eu le temps de l’apprendre.

Elle est publiée intégralement : n’importe qui peut l’implémenter à partir du document plutôt qu’en l’observant, et c’est pourquoi ce format apparaît dans tant de programmes et pourquoi des fichiers écrits il y a vingt ans s’ouvrent encore. Une spécification publiée n’est pas pour autant libre de redevances : quand un format enveloppe un codec, les brevets sont une question à part, que la norme ne tranche pas.

Un fichier DOCX 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.

DOCX ne peut pas transporter de code exécutable. C’est pourquoi les serveurs de messagerie et les portails documentaires le laissent passer là où ils arrêtent son jumeau à macros.

DOCX 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.

DOCX porte un chiffrement facultatif.

Un fichier chiffré doit être déverrouillé avant que quoi que ce soit puisse le convertir, ici comme ailleurs. Un mot de passe n’est pas quelque chose qu’un convertisseur peut contourner, et à celui qui prétendrait le faire il ne faudrait surtout pas confier le fichier.

Microsoft Word, LibreOffice Writer et Google Docs 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.

DOCX peut contenir les propriétés du document.

Que quoi que ce soit survive à une conversion dépend entièrement de la cible, et la réponse honnête est le plus souvent « une partie ».

DOCX 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.

Renommez un `.docx` en `.zip` et ouvrez-le. À l’intérieur, un petit arbre de répertoires : `word/document.xml` contient le texte, `word/styles.xml` les définitions de mise en forme, `word/media/` chaque image, et `docProps/` les propriétés du document. Tout cela est du texte lisible que vous pouvez inspecter sans Word.

C’est pourquoi la prise en charge de DOCX hors de Microsoft est réellement bonne, là où celle de DOC a toujours été approximative. Le format a été publié en standard ouvert, donc LibreOffice, Google Docs, Pages et des dizaines de bibliothèques l’implémentent à partir d’une spécification plutôt qu’en rétro-ingénierie. C’est aussi pourquoi un document corrompu peut parfois être récupéré en extrayant `document.xml` à la main.

Les propriétés du document portent l’auteur, la personne qui a enregistré en dernier, le nom de société issu de l’installation d’Office, le temps total d’édition et toutes les dates de révision. Un document créé à partir du modèle d’un collègue le nommera souvent lui plutôt que vous. Le temps total d’édition, qui compte les minutes cumulées sur toute la vie du document, surprend régulièrement les gens qui découvrent leur propre rythme de travail gravé dans le fichier.

Le suivi des modifications est le tranchant le plus net. Si des modifications ont été faites avec le suivi activé et jamais acceptées, le texte d’origine est encore dans le fichier — visible à quiconque active l’affichage. Les commentaires sont la même chose : cachés dans un mode d’affichage, présents dans le XML quoi qu’il arrive. Des documents envoyés à des clients, à des conseils adverses et à des journalistes se sont à plusieurs retrouvés contenir la négociation qui les a produits.

Word peut marquer du texte comme masqué, et le texte masqué ne s’imprime pas et ne s’affiche pas normalement. Il est toujours dans `document.xml` en entier, comme des caractères ordinaires avec à côté un drapeau de mise en forme.

La même chose s’applique au texte blanc sur blanc, au texte derrière une image, et au contenu dans un titre replié. Rien de tout cela n’est une suppression. Si quelque chose ne doit pas arriver au destinataire, il faut le supprimer du document — et la façon fiable de le confirmer est de convertir en PDF, qui n’écrit que ce qui est dessiné, ou de retirer les métadonnées délibérément.

Un titre fait en appliquant le style Titre 1 et un titre fait en sélectionnant le texte et en le mettant en 16 points gras ont la même apparence à l’écran et sont entièrement différents dans le fichier. Le premier est de la structure ; le second est de la décoration.

La différence décide si la table des matières automatique fonctionne, si le panneau de navigation est utilisable, si un lecteur d’écran annonce les titres, et si le document se convertit proprement en PDF, HTML ou EPUB. C’est le plus grand facteur qu’un long DOCX soit agréable ou pénible à utiliser, et c’est invisible jusqu’à ce que quelque chose ait besoin de la structure.

Un fichier enregistré en `.docx` ne peut pas contenir de projet VBA. C’est volontaire et c’est la meilleure propriété de sécurité du format : un document porteur de macros doit être enregistré en `.docm`, qui s’annonce dans l’extension. Ce que la règle ne survit pas est un renommage — Word ouvre un document selon son contenu plutôt que son extension, donc un DOCM renommé en DOCX se charge toujours avec le code intact, et des chercheurs documentent que c’est exploité.

Donc un `.docx` inattendu ne peut pas exécuter de VBA, ce qui est plus étroit qu’être sûr à ouvrir. Un document sans macros peut pointer vers un modèle porteur de macros sur un serveur distant ; la CVE-2022-30190 a atteint l’exécution de code depuis un document qui ne contenait pas de macros ; et les objets OLE et les champs DDE se logent dans des documents ordinaires, ce qui est la raison pour laquelle Microsoft bloque désormais le lancement de DDE et l’activation automatique d’OLE par défaut. L’extension est un signal, pas un verdict, et le contenu reste un possible piège.

Un DOCX nomme ses polices et ne les embarque généralement pas. Ouvrez un document sur une machine qui n’a pas la police et autre chose est substitué, avec des largeurs de lettres différentes, et le texte se met à reflower.

Dans une lettre de deux pages, c’est invisible. Dans un rapport de cinquante pages, cela déplace les sauts de page, pousse un tableau au-delà d’une limite et transforme un titre d’une ligne en deux. Rien n’est perdu et rien n’a besoin d’être réparé — mais si la pagination fait partie du document, comme dans un dépôt juridique ou tout ce qui a un index paginé, envoyez un PDF et gardez le DOCX pour l’édition.

Le PDF fixe la mise en page, embarque les polices, et n’écrit que ce qui est réellement dessiné sur la page — donc le texte masqué et les commentaires n’apparaissent pas dans la sortie. C’est la façon honnête d’envoyer un document terminé.

Le suivi des modifications est l’exception, et c’est celle qu’il faut vérifier avant qu’un document quitte la maison. La conversion tourne avec les défauts, qui affichent les modifications non acceptées, et ce qui est affiché est ce qui est exporté : le balisage arrive dans le PDF. Acceptez ou rejetez-le d’abord. Deux choses que la conversion ne retire pas : les propriétés du document sont souvent héritées par le PDF, donc le nom de l’auteur voyage sauf s’il est effacé délibérément ; et la conversion est à sens unique en pratique, donc gardez le DOCX.

Tout ce qui est dans l’archive est compressé, et le XML de document est hautement répétitif, donc un rapport substantiel tient souvent en quelques centaines de kilooctets. Le texte ne coûte presque rien.

Ce qui rend un DOCX lourd, ce sont les images, et en particulier les images insérées à la résolution de l’appareil photo puis mises à l’échelle sur la page. Word stocke l’original, donc un document qui montre huit photos en format carte postale peut porter quarante mégaoctets de JPEG en pleine résolution. L’option Compresser les images de Word les ré-échantillonne, et c’est en général la différence entre une pièce jointe qui part et une qui rebondit.