Convertir un PDF en PDF/A

Trois des quatre exigences, et celle qui manque

Le PDF/A est le profil d'archivage — celui que demandent un système de dépôt judiciaire, un portail de soumission de revue ou une bibliothèque nationale —, et ce qu'il exige, c'est que le fichier soit autonome, pour qu'il s'affiche à l'identique dans cinquante ans sur des logiciels que personne n'a encore écrits. En pratique, cela se résume à quatre choses : un paquet de métadonnées XMP déclarant le niveau de conformité revendiqué, un profil de sortie (output intent) désignant l'espace colorimétrique dans lequel ses valeurs doivent être interprétées, des informations de document cohérentes avec les métadonnées, et l'incorporation de chaque police utilisée.

Les trois premières sont ajoutées ici. Le paquet de métadonnées est écrit avec le niveau de conformité que vous choisissez ; les informations du document sont réécrites pour lui correspondre, car un validateur rejette un fichier dont le titre dit une chose à deux endroits différents ; et le profil de sortie contient un véritable profil ICC sRGB, généré dans le fichier plutôt que livré sous forme de bloc binaire — il fait environ quatre cents octets, assez peu pour qu'il n'y ait aucune raison d'aller le chercher ailleurs.

La quatrième ne peut pas être faite ici, et c'est la partie à dire honnêtement. Incorporer une police manquante exige le fichier de police, et c'est précisément ce qui n'est pas dans le document. Rien dans un navigateur ne peut le faire apparaître, et substituer une police ressemblante produirait un fichier qui passe la validation alors que le texte se recompose — pire qu'un échec. Il en va de même pour la couleur : convertir une image CMJN vers le profil de sortie déclaré demande un moteur de gestion des couleurs et le profil source. La plupart des PDF produits ce siècle-ci par Word, LibreOffice, InDesign ou un pilote d'imprimante correct incorporent déjà leurs polices, auquel cas ce qui est ajouté ici est tout ce qui manquait.

La bonne façon de décrire le résultat est donc une structure PDF/A plutôt qu'un fichier PDF/A certifié — une distinction qui ne compte que parce que les portails de dépôt passent les fichiers dans un validateur. Vérifiez le vôtre avant de vous y fier. veraPDF est l'implémentation de référence maintenue par la PDF Association ; il est gratuit et vous indique précisément quelle clause a échoué, au lieu de rejeter le fichier sans explication.

Si vous cherchez autre chose

Ghostscript est l'outil qui sait faire ce que celui-ci ne peut pas faire. gs -dPDFA=2 -dBATCH -dNOPAUSE -sColorConversionStrategy=UseDeviceIndependentColor -sDEVICE=pdfwrite -dPDFACompatibilityPolicy=1 -sOutputFile=out.pdf PDFA_def.ps in.pdf reconstruit le document avec un interpréteur complet : il incorpore les polices manquantes depuis le système, convertit les couleurs avec de vrais profils ICC, et refuse plutôt que de produire en silence un fichier non valide quand il ne peut pas se conformer. C'est une opération réellement différente de l'ajout des bonnes métadonnées à un fichier déjà presque conforme.

Pour un document scanné, le PDF/A demande aussi une couche de texte pour être archivable au sens plein du terme, et ocrmypdf --output-type pdfa in.pdf out.pdf fait l'OCR et la conversion en une seule étape. C'est gratuit, et c'est ce qu'utilisent réellement la plupart des chaînes de traitement institutionnelles.