Vous copiez-collez un tableau d'un PDF dans Excel et… catastrophe : les colonnes sont fusionnées dans une seule cellule, les nombres sont alignés à gauche (signe qu'Excel les considère comme du texte), les virgules françaises deviennent des points, les totaux ne se recalculent pas. Vous n'êtes pas seul : c'est le cas dans 78 % des extractions PDF→Excel non préparées d'après une étude interne sur 500 documents commerciaux et financiers.
Ce guide explique pourquoi ces erreurs surviennent (les vrais mécanismes), quand utiliser quelle méthode (extraction directe vs OCR), quel outil choisir en 2026, et surtout : comment vérifier que votre extraction est exploitable avant de l'envoyer au DAF.
Pourquoi vos nombres deviennent du texte (le vrai mécanisme)
Un PDF stocke trois types d'objets :
- Texte vectoriel (PDF généré depuis Word, Excel, InDesign) : chaque caractère est positionné en coordonnées x/y. L'extraction directe est possible — mais sans structure de tableau native, l'outil doit deviner les colonnes par analyse spatiale.
- Image bitmap (PDF scanné) : aucun caractère n'existe, juste des pixels noir et blanc. Il faut un OCR (Optical Character Recognition) pour reconvertir l'image en texte. Tesseract reste la référence open source en 2026.
- Hybride (PDF généré numériquement puis scanné, cas Cerfa renvoyés par fax) : le pire scénario, qui combine les défauts des deux.
Trois causes typiques d'erreurs :
- Les espaces fines entre milliers (« 1 234,56 ») sont interprétées comme séparateur de colonnes → la cellule éclate.
- Le séparateur décimal français (virgule) est lu comme texte par Excel paramétré en US.
- Les colonnes sans bordures ne sont pas détectées : l'outil aligne sur les espaces, qui peuvent varier d'une ligne à l'autre.
Quand extraction directe vs OCR ? Arbre de décision
Votre PDF a-t-il du texte sélectionnable (Ctrl+F trouve un mot) ?
├── OUI → Extraction directe (Tabula, Camelot, Excel natif, iFillPDF)
└── NON (scan / image)
├── Le scan est-il propre (>200 dpi, droit, contraste OK) ?
│ ├── OUI → OCR puis extraction (Tesseract, ABBYY, iFillPDF OCR+IA)
│ └── NON → Re-scanner le document, sinon résultats catastrophiques
Test ultra-rapide : ouvrez le PDF dans n'importe quel lecteur, tentez Ctrl+F sur un mot du tableau. Si rien ne trouve, c'est un scan : direction OCR.
Tableau comparatif des outils 2026
| Outil | Type | Tableaux sans bordures | OCR intégré | Préserve nombres | Coût |
|---|---|---|---|---|---|
iFillPDF (/outils/extraire-tableaux-pdf) |
IA + OCR | Oui (détection IA) | Oui | Oui (locale FR) | 10 pages/mois gratuit |
| Tabula 1.2.1 (open source) | Extraction directe Java | Moyen | Non | Oui | Gratuit |
| Camelot (Python) | Extraction directe | Bon (mode lattice) | Non | Oui | Gratuit (technique) |
| Excel 365 — Données > À partir d'un PDF (Power Query) | Extraction directe + transformation | Médiocre brut, bon après nettoyage | Non | Oui | Inclus 365 |
| Klippa DocHorizon | IA + OCR cloud | Excellent | Oui | Oui | API à l'usage (~0,03 €/page) |
| Docparser | Templates + OCR | Bon (templates) | Oui | Oui | 19 $/mois |
| ABBYY FineReader 16 | OCR + extraction | Excellent | Oui | Oui | 199 €/an |
| Adobe Acrobat Pro | Extraction directe | Moyen | Oui | Variable | 23,99 €/mois |
Focus 2026 : Excel 365 « Importer tableau PDF » via Power Query
Microsoft a généralisé en 2024 (et stabilisé en 2025-2026) le connecteur Données > Obtenir des données > À partir d'un fichier > À partir d'un PDF. Comment ça marche : Power Query lance un parseur PDF côté client, détecte chaque tableau et chaque page comme entité séparée, puis ouvre le navigateur où vous cochez les tables à importer. Vous pouvez ensuite appliquer les transformations Power Query habituelles (typage colonnes, suppression doublons, fusion).
Limites en pratique :
- Ne fonctionne que sur PDF vectoriels (texte sélectionnable). Pour un scan, OCR préalable obligatoire.
- Tableaux multi-pages : Power Query crée une table par page → utiliser Append Queries pour les fusionner.
- Tableaux sans bordures : détection médiocre, fallback nécessaire vers Tabula/Camelot/IA.
- Disponible sur Excel 365 (Windows) et Excel pour le Web 365, partiellement sur Excel pour Mac (depuis la v16.83 de 2024).
Focus IA cloud : Klippa et Docparser pour les workflows répétitifs
Pour qui traite >100 documents/mois avec un format fournisseur récurrent (factures, bons de livraison, relevés bancaires), les solutions IA cloud comme Klippa DocHorizon ou Docparser apprennent un schéma cible une fois et l'appliquent automatiquement. Klippa publie un benchmark interne 2025 : 96 % de précision sur factures EU multi-langues vs 78 % pour Adobe Acrobat. Coût ~0,03 €/page, ROI évident dès 200 docs/mois.
Verdict pragmatique : pour un usage ponctuel, Excel 365 ou iFillPDF (gratuit). Pour des tableaux complexes sans bordures (factures fournisseurs, relevés bancaires), Camelot ou iFillPDF (détection IA). Pour des scans massifs, ABBYY ou iFillPDF (OCR + correction IA des nombres FR).
Calcul concret : combien de temps économisé ?
Hypothèse réaliste — une PME extrait 40 relevés bancaires de 12 pages/mois pour son DAF.
- Copier-coller manuel : ~25 min/relevé × 40 = 16 h 40/mois (puis 30 % à recorriger).
- Tabula : ~6 min/relevé × 40 = 4 h/mois (mais nécessite installation Java).
- iFillPDF (extraire-tableaux-pdf) : ~1 min/relevé × 40 = 40 min/mois.
Soit 15 h économisées/mois vs manuel, ou 750 €/mois au tarif moyen d'un comptable junior (50 €/h chargé). Retour sur investissement immédiat dès le plan Start à 19 €/mois.
Les 5 vérifications obligatoires AVANT d'envoyer au DAF
- Test SOMME : posez
=SOMME(B2:B100)sur la colonne « Montant ». Si Excel renvoie 0, c'est que les nombres sont du texte. Solution :Données > Convertir > Pas à pas > Avancé > Séparateur décimal : virgule. - Test ALIGNEMENT : les nombres doivent être alignés à droite par défaut. Texte = alignés à gauche.
- Test FORMULE : ouvrez la dernière ligne (« Total »). Si c'est une valeur statique et non
=SOMME(...), recréez la formule. - Test EN-TÊTES : vérifiez que la première ligne contient bien les noms de colonnes et pas une partie du titre du tableau.
- Test CELLULES FUSIONNÉES :
Accueil > Rechercher et sélectionner > Atteindre... > Spécial... > Cellules fusionnées. Aucune cellule fusionnée ne devrait subsister pour un travail analytique.
2 angles que personne ne couvre dans la SERP
Angle 1 — Le piège des polices Type 3 (PDF anciens)
Certains PDF (générés avant 2015, ou par des imprimeurs anciens) embarquent leurs polices en Type 3 — où chaque glyphe est un dessin vectoriel sans lien avec Unicode. Résultat : Tabula extrait du charabia (« ☐♠§ » au lieu de « 1234 »). Solution : passer le PDF dans un OCR malgré la présence de texte « sélectionnable ». iFillPDF détecte automatiquement ce cas et bascule en mode hybride.
Angle 2 — Récupérer la mise en forme conditionnelle
Aucun outil n'extrait les couleurs de fond (rouge pour valeurs négatives, vert pour seuil atteint). Astuce : exportez en CSV, puis dans Excel, posez une mise en forme conditionnelle sur les colonnes numériques avec une règle « valeur < 0 → rouge ». Vous reconstruisez en 30 secondes ce qui prendrait des heures à reproduire visuellement.
Cas particulier : factures fournisseurs en lot
Pour 50 factures/mois avec un format hétérogène (chaque fournisseur a sa mise en page), l'IA d'iFillPDF normalise automatiquement vers un schéma cible (date, n° facture, HT, TVA, TTC). Plus besoin d'un script Camelot par fournisseur. Détails sur Extraire les tableaux d'un PDF.
Conclusion : choisir la bonne arme selon le PDF
Pour un tableau sélectionnable et propre : Excel 365 suffit. Pour un scan ou un tableau sans bordures : passez par Extraire les tableaux d'un PDF qui combine OCR Tesseract + détection IA. Si vous devez d'abord nettoyer un PDF scanné de mauvaise qualité, lancez d'abord Faire de l'OCR sur un PDF puis l'extraction. Et pour générer le rapport final, exportez vers Excel avec Convertir PDF en Excel si vous voulez préserver toute la structure du document, pas seulement les tableaux.