Travailler avec des PDF et de longs documents dans Claude
5 min de lecture
Un PDF semble une chose simple à téléverser, mais deux PDF identiques à l’écran peuvent se comporter très différemment une fois téléversés. L’un est fait de vrai texte et Claude peut lire chaque mot directement. L’autre est une numérisation, une photographie d’une page enregistrée en PDF, et ce que Claude reçoit réellement ressemble plus à une image qu’à du texte. Ne pas savoir à quel type tu as affaire est la raison la plus courante pour laquelle une réponse sur un PDF revient en omettant quelque chose qui figure clairement sur la page.
Astuce
Si une réponse sur un PDF semble omettre un contenu que tu sais présent, vérifie si le fichier est une numérisation avant de supposer que la question était mauvaise.
PDF texte contre PDF numérisés
Un PDF texte a été généré à partir d’un document, un fichier Word exporté en PDF, une page web enregistrée en PDF, un rapport conçu dans un logiciel de mise en page. Les mots eux-mêmes sont stockés sous forme de texte, et Claude les lit comme il lirait du texte collé.
Un PDF numérisé est une image d’une page, produite par un scanner ou une appli d’appareil photo de téléphone, même quand il paraît parfaitement net à l’écran. Extraire le texte d’une telle image demande une étape distincte, et le résultat est parfois incomplet, surtout avec les petits caractères, l’écriture manuscrite, les tableaux ou une page numérisée de travers.
Une page numérisée et une page de texte peuvent te paraître identiques et se comporter de façon totalement différente une fois téléversées.
Un moyen rapide de savoir à quel type tu as affaire avant de téléverser : essaie de sélectionner une ligne de texte dans la visionneuse de PDF. Si tu peux surligner des mots individuels, c’est un PDF texte. Si cliquer et faire glisser dessine seulement un cadre autour de la page entière, c’est une numérisation.
Une méthode pour un document long ou incertain
- 1
Vérifie que le contenu est bien arrivé en entier
Après le téléversement, demande à Claude de citer une phrase précise que tu vois toi-même sur la page. S’il ne trouve pas quelque chose qui y est clairement, le fichier est probablement une numérisation à extraction incomplète, et il vaut mieux le savoir avant de te fier à toute réponse issue de lui.
- 2
Désigne directement des pages ou des sections
Pour un document aux pages numérotées ou aux titres clairs, désigne-les : « à la page 4 », « dans la section sur la responsabilité ». Cela resserre le champ de Claude et facilite la vérification ultérieure de la réponse par rapport à la source.
- 3
Découpe un document très long en une suite de demandes
Un rapport de 60 pages n’a pas besoin d’un seul prompt qui tente de tout couvrir. Interroge sur une section, obtiens une réponse, interroge sur la suivante. Chaque question s’appuie sur le même téléversement, donc inutile de redire ce qu’est le document à chaque fois.
- 4
Vérifie par rapport à la vraie page tout ce sur quoi tu t’appuieras
Pour tout ce qui compte, un chiffre, une date, une clause précise, contrôle la réponse directement sur la page source plutôt que de croire que l’extraction était parfaite. Cela prend quelques secondes et attrape le cas rare où quelque chose a été brouillé ou omis.
Cite la phrase exacte de la page 2 qui décrit le préavis de résiliation. Si tu ne trouves pas cette section, dis-le-moi directement au lieu de résumer le sujet général.
”Cette dernière consigne compte plus qu’il n’y paraît. Demander à Claude de le dire directement s’il ne trouve pas quelque chose, plutôt que de combler le vide par une réponse générale à l’air plausible, est ce qui fait ressortir un problème d’extraction au lieu de le cacher.
Tu sais si le fichier est un PDF texte ou une numérisation
Un contrôle par phrase citée a confirmé que le contenu est bien passé
Les longs documents sont découpés en une suite de questions section par section
Tout ce sur quoi tu t’appuieras est vérifié sur la vraie page
Dans Claude Tutorial
Vérifier par rapport à la source vaut pour tout long document, pas seulement les PDF.
Un tableur, un long fil d’e-mails, un ensemble de notes de réunion, la même habitude de contrôler une affirmation précise par rapport à la source d’origine avant de s’y fier revient dans les leçons de l’appli, et pas seulement avec les téléversements de fichiers.
Travailler sur plusieurs pages d’un même document
Pour un long document, une seule question couvre rarement tout ce dont tu as besoin. Au lieu de chercher à concevoir un prompt qui atteigne chaque section, traite cela comme un court va-et-vient : une section, puis la suivante, chacune précise.
Fais maintenant de même pour la section sur la conservation des données, à partir de la page 15 environ. Même format : cite le texte exact, puis résume ce qu’il signifie en termes simples.
”Demander le même format à chaque fois rend aussi les réponses plus faciles à comparer une fois plusieurs sections passées en revue, puisque tu ne dois pas réconcilier à la fin trois résumés structurés différemment.
Quand une numérisation est inévitable
Parfois une numérisation est tout ce que tu as, un vieux contrat, un formulaire manuscrit, un fax transmis il y a des années. Dans ce cas, traite chaque réponse qui en vient comme une première passe qui demande un contrôle manuel, et non comme une réponse définitive. Demande à Claude de signaler tout ce dont il n’est pas sûr plutôt que de présenter un résumé à l’air net qui masque discrètement une section qu’il n’a pas pu lire clairement.
Parcours ce formulaire numérisé section par section. Pour toute partie que tu ne peux pas lire avec confiance, dis-le explicitement au lieu de deviner ce qu’elle dit probablement.
”Pour aller plus loin
- Téléverser des fichiers que Claude peut vraiment utiliser : les habitudes générales de téléversement sur lesquelles s’appuie cet article.
- Résumer un long document sans perdre l’essentiel : une fois que tu sais parcourir un long document de façon fiable, façonner ce que tu en tires selon la personne qui lira le résumé.