Qu'est-ce que le PDF/A et vous faut-il ?

Un PDF est un ensemble d'instructions pour dessiner une page, et certaines de ces instructions dépendent de choses qui ne se trouvent pas dans le fichier. Une police installée sur votre ordinateur. Un profil colorimétrique fourni par votre écran. Une vidéo, une action JavaScript, un lien vers un serveur qui n'existera plus dans dix ans. Ouvrez ce fichier aujourd'hui sur une autre machine et tout paraîtra normal, parce que les pièces manquantes sont remplacées. Ouvrez-le en 2050 et il n'y aura peut-être plus rien pour les remplacer. Le PDF/A est la réponse à ce problème : un sous-ensemble restreint de PDF où tout ce qui est nécessaire pour reproduire la page exactement se trouve dans le fichier, et où tout ce qui dépend du monde extérieur est interdit. Ce n'est pas un format différent — un fichier PDF/A est un PDF et s'ouvre dans n'importe quel lecteur — c'est une promesse sur ce que le fichier ne contient pas.

Ce que la norme interdit

Les règles découlent de l'objectif. Les polices doivent être intégrées, toutes, sans exception pour le jeu standard qu'on supposait autrefois présent chez les lecteurs ; un document qui appelait Arial par son nom en laissant le lecteur trouver une copie n'est pas archivable, car dans cinquante ans le substitut du lecteur pourra avoir d'autres métriques et décaler les lignes. Le chiffrement est interdit, puisqu'un document que personne ne peut déchiffrer n'est pas préservé. Le JavaScript l'est aussi, de même que l'audio et la vidéo intégrés et les actions qui lancent des fichiers externes ou ouvrent des adresses réseau. La transparence est restreinte dans les parties anciennes de la norme et permise dans les récentes. La couleur doit être définie sans ambiguïté, par un profil ICC intégré ou dans un espace indépendant du périphérique, afin qu'un rouge précis soit ce rouge précis et non ce que décide l'imprimante. Et tout fichier doit porter des métadonnées XMP indiquant quelle variante de PDF/A il prétend être.

Les niveaux : A, B et U

La conformité comporte des niveaux, et les lettres n'ont rien à voir avec les numéros de version. Le niveau B, pour basique, garantit la reproduction visuelle : la page aura toujours le bon aspect. Le niveau A, pour accessible, exige en plus une structure balisée — une description lisible par machine de ce qui est titre, paragraphe, cellule de tableau et dans quel ordre de lecture — ainsi que des correspondances Unicode pour tout le texte. Le niveau U se place entre les deux et exige les correspondances Unicode sans la structure complète, ce qui permet de rechercher et d'extraire le texte de façon fiable même sans balisage intégral. Le niveau A est réellement difficile à produire à partir d'un document quelconque, car le balisage est un vrai travail éditorial ; c'est pourquoi la plupart des archives demandent en pratique le niveau B, et pourquoi une institution qui exige du PDF/A-1a demande considérablement plus qu'une autre qui exige du PDF/A-1b.

Quelle version utiliser

Le PDF/A-1 est arrivé en premier et reste le plus strict : pas de transparence, pas de calques, pas de fichiers intégrés. Le PDF/A-2 a assoupli tout cela, autorisant transparence, calques, images JPEG 2000 et l'intégration d'autres fichiers PDF/A dans un conteneur. Le PDF/A-3 a introduit un changement important en autorisant des pièces jointes arbitraires de tout type, ce qui est le principe des formats de facturation électronique : une page lisible par un humain avec le fichier de données lisible par machine joint à l'intérieur. Le PDF/A-4, fondé sur le plus récent PDF 2.0, remet considérablement de l'ordre dans les niveaux. Sauf indication contraire du destinataire, le PDF/A-2b est le choix par défaut raisonnable : assez moderne pour ne pas se battre avec la transparence de votre document, assez strict pour être une véritable archive, et universellement pris en charge par les outils de validation.

Comment en produire, et le piège des scans

La plupart des suites bureautiques exportent directement en PDF/A, souvent via une case à cocher dans la boîte d'exportation, et c'est la voie la plus propre car le document source sait encore ce que sont ses titres et ses polices. Convertir un PDF existant est également possible avec des outils dédiés, qui intègrent les polices manquantes, convertissent les couleurs et suppriment les fonctions interdites. Le piège, ce sont les scans. Une page numérisée convertie en PDF/A est parfaitement valide au niveau B : c'est une image, elle aura toujours le même aspect, la norme est satisfaite. Mais elle ne contient pas de texte, donc elle n'est pas consultable, et le niveau A est hors d'atteinte sans OCR. Archiver toute une armoire en PDF/A d'images produit un fonds où personne ne trouve rien. Si l'archive doit être utilisable et pas seulement préservée, l'OCR a sa place dans le flux avant la conversion, et sa sortie demande une relecture.

Validez, ne supposez pas

Qu'un fichier ait été exporté avec l'option PDF/A cochée ne prouve pas sa conformité, et c'est là que les dépôts auprès des revues, des tribunaux et des archives publiques échouent le plus souvent. Des validateurs existent, veraPDF étant le plus connu en libre, et ils indiquent exactement quelle clause un fichier enfreint. Les échecs courants sont ennuyeux et répétitifs : une police impossible à intégrer parce que sa licence l'interdit, un groupe de transparence oublié dans un logo, un espace colorimétrique sans profil, des métadonnées XMP absentes ou mal formées, ou un type d'annotation que la norme n'admet pas. Chacun a un correctif précis. Passer le validateur avant l'envoi transforme un refus dans plusieurs semaines en cinq minutes maintenant.

Quand le PDF/A est un mauvais choix

C'est un format d'archivage, pas un format de travail, et l'employer par défaut a un coût. Il ne peut pas être chiffré : un document confidentiel ne peut donc pas être un PDF/A protégé par mot de passe — les deux exigences s'excluent et il faudra protéger le fichier autrement, par les permissions de stockage et non depuis le document. Intégrer toutes les polices alourdit les fichiers, parfois beaucoup. Les formulaires interactifs et le multimédia sont exactement ce que la norme supprime. La règle honnête est donc : utilisez le PDF/A quand un document doit rester lisible longtemps après la disparition du logiciel qui l'a créé, ou quand une institution l'exige, et utilisez du PDF ordinaire pour tout ce sur quoi vous travaillez encore. Convertir à la fin, une fois, est bien plus simple que de vivre dans les contraintes en permanence.

Où se place la compression

Archiver et alléger sont en tension, et il vaut mieux décider délibérément de ce que l'on veut. La compression agressive des images jette de l'information de façon permanente, ce qu'une archive est précisément censée empêcher : une copie de conservation doit donc être compressée avec beaucoup de retenue, voire pas du tout. L'arrangement pratique, ce sont deux fichiers : une copie PDF/A fidèle dans l'archive et un dérivé compressé pour le courriel et la lecture quotidienne, régénéré au besoin. L'erreur consiste à ne garder que la version compressée en l'appelant archive : elle s'ouvrira toujours en 2050, et il lui manquera toujours le détail que vous avez jeté aujourd'hui.