Pourquoi le texte arabe se casse quand on le copie d'un PDF

Le problème en trois couches

Quand vous copiez de l'arabe depuis un PDF — ou que vous le convertissez en Word — vous obtenez souvent l'un de ces trois symptômes : des lettres déconnectées, des mots inversés qui se lisent à l'envers, ou des voyelles brèves mal placées. Le PDF n'est pas « corrompu » : il stocke l'arabe sous une forme pensée pour l'impression, pas pour le traitement de texte.

1. Des glyphes façonnés au lieu de lettres

Les lettres arabes changent de forme selon leur position. Un PDF ne stocke pas « ب » mais la forme exacte dessinée (initiale, médiane, finale ou isolée). L'extraction renvoie donc des formes de présentation — le bloc Unicode de ces variantes — plutôt que les lettres de base.

2. L'ordre visuel au lieu de l'ordre logique

Le moteur d'impression dessine les glyphes de gauche à droite, car c'est le sens du rendu. Le « premier » caractère du flux est donc souvent la dernière lettre du premier mot. Copier dans l'ordre du flux donne un texte à l'envers.

3. Lam-alef et diacritiques

Les ligatures comme لا sont stockées en un seul glyphe, et les harakat sont des marques séparées posées au-dessus des lettres. Sans normalisation, Word reçoit de mauvais briques et ne peut pas reformer les mots.

Comment un bon convertisseur répare tout cela

Il enchaîne trois réparations : détecter les formes de présentation et les replier vers les lettres de base (la normalisation Unicode NFKC gère aussi les ligatures), détecter les lignes qui se lisent de droite à gauche et les reconstruire logiquement, et rattacher les signes diacritiques à leur lettre. Le moteur de Word façonne et connecte alors l'arabe exactement comme il faut — texte modifiable, cherchable, copiable.

Essayez avec l'outil PDF en Word : le mode modifiable applique cette pipeline localement dans votre navigateur, et le mode mise en page exacte conserve l'apparence en images haute résolution quand le design compte plus que le texte.

Conseils pour les PDF arabes

• PDF textuel ? Préférez le mode modifiable — le texte réparé est cherchable et réutilisable.
• Les chiffres et les marques latères dans une ligne arabe restent de gauche à droite ; un bon convertisseur préserve leur ordre interne.
• Les textes très diacrités (coran, poésie) sont les plus délicats : testez une page avant de convertir un gros document.
• Un PDF arabe scanné contient des images — utilisez le mode mise en page exacte ou un OCR dédié.

Une fois réparé, le texte arabe du fichier Word est entièrement modifiable : vous pouvez le reformuler, changer la police vers n'importe quelle police arabe installée et le rechercher comme tout autre document.

Mis à jour: 2026-10-05