Convertir DOCX en texte brut

1. 1

   Ajoutez votre document

   Faites glisser un fichier sur la zone de dépôt ou cliquez sur Parcourir. DOCX, DOCM, DOTX, DOTM, DOC, RTF, ODT et OTT sont acceptés. Le fichier est lu sur votre appareil et n'est jamais envoyé.

2. 2

   Choisissez ce que vous incluez

   Le texte apparaît immédiatement. Le panneau à côté permet d'inclure ou d'écarter en-têtes, pieds de page, notes de bas de page, notes de fin, commentaires et zones de texte, de décider comment tableaux et listes sont écrits, et de fixer les fins de ligne et l'encodage. L'aperçu se met à jour à chaque changement.

3. 3

   Copiez ou téléchargez

   Copiez le texte dans le presse-papiers ou téléchargez-le en fichier TXT. Avec plusieurs documents ouverts, téléchargez un ZIP de fichiers séparés ou un seul TXT combiné.

Quatre formats de document, six zones de contenu, une vraie structure de tableaux et de listes, et un encodage au choix, le tout sur votre appareil.

• Quatre formats d'entrée : DOCX et ses variantes DOCM, DOTX et DOTM, l'ancien DOC, le RTF, et l'OpenDocument ODT et OTT.
• Toutes les zones de contenu : en-têtes, pieds de page, notes de bas de page, notes de fin, commentaires et zones de texte, chacun sous votre contrôle.
• Des tableaux qui restent des tableaux : chaque ligne tient sur une ligne avec des cellules séparées par des tabulations, prête à coller dans un tableur.
• Des listes qui gardent leurs numéros : puces et numérotation sont reconstruites, y compris les niveaux imbriqués comme 1., 1.a), 1.b), 2.
• Aperçu en direct : le texte apparaît immédiatement et chaque option le réécrit aussitôt, donc ce que vous voyez est toujours ce que vous téléchargerez.
• Copier ou télécharger : copiez dans le presse-papiers, enregistrez un .txt, ou emportez tout un lot en un ZIP ou un seul fichier combiné.
• L'encodage que vous choisissez : UTF-8, UTF-8 avec BOM pour le Bloc-notes de Windows et Excel, ou UTF-16, avec des fins de ligne LF ou CRLF.
• Rien ne quitte votre appareil : pas d'envoi, pas de file d'attente, aucune copie conservée, et cela continue de fonctionner hors connexion une fois la page chargée.

Chacun est un format de fichier réellement différent, pas une extension différente du même, et chacun demande son propre lecteur. Tout ce qui n'est pas sur cette liste est refusé au moment où vous le choisissez, avec un lien vers l'outil qui le traite, plutôt qu'après une attente.

• DOCX, DOCM, DOTX, DOTM : Word moderne. Une archive compressée de parties XML. Les variantes à macros et modèles sont le même conteneur, donc les quatre se comportent à l'identique.
• DOC : Word 97-2003. Un fichier binaire composé dont le texte est stocké en morceaux et réassemblé via un index, la numérotation des listes et la forme des tableaux étant elles aussi dans des tables séparées.
• RTF : Rich Text Format. Un unique flux de groupes imbriqués, dont la plupart sont des tables de polices, des tables de couleurs et des images incorporées plutôt que du texte.
• ODT, OTT : texte OpenDocument, écrit par LibreOffice et par le « Télécharger au format OpenDocument » de Google Docs. Une archive comme DOCX, avec d'autres noms d'éléments et ses en-têtes portés par le style de page.

Ce qui est refusé, et où aller à la place

• PDF : un format de mise en page sans paragraphes à lire ; l'extracteur de texte PDF s'en charge.
• Excel et PowerPoint : des formats Office entièrement différents ; le convertisseur Excel vers CSV et l'extracteur de texte PowerPoint s'en chargent.
• Images et scans : la photo d'un document ne contient aucun texte tant qu'il n'est pas reconnu ; c'est le rôle de l'extracteur de texte d'images.
• Documents protégés par mot de passe : le texte est chiffré et illisible sans le mot de passe. Retirez-le dans Word et convertissez le résultat.

La plupart des convertisseurs renvoient le corps du document et rien d'autre, parce que le corps est la partie facile. Tout ce qui suit est une case à part, et chacune est cochée ou décochée par défaut pour une raison.

• En-têtes et pieds de page : inclus par défaut. Un papier à en-tête, un titre de document ou un pied de page sont du contenu, et les perdre en silence est le manque le plus courant des autres convertisseurs.
• Notes de bas de page et de fin : incluses par défaut, chacune numérotée pour savoir laquelle est laquelle. Elles vivent dans leur propre partie du document et apparaissent après le corps.
• Commentaires : écartés par défaut, et étiquetés avec leur auteur une fois activés. Les remarques d'un relecteur portent sur le document, elles n'en font pas partie.
• Zones de texte : incluses par défaut. Exergues et légendes dans des cadres flottants sont du contenu ordinaire qui se trouve simplement positionné.
• Texte masqué : écarté par défaut. Le texte que le document marque comme masqué l'a été volontairement.
• Texte supprimé : jamais inclus. Les mots retirés en suivi des modifications sont toujours dans le fichier, et les remettre contredirait le document en silence.
• Codes de champ : jamais inclus, mais leurs résultats le sont. Un champ de date apporte la date affichée, pas l'instruction qui l'a produite.

Le texte brut ne peut pas porter une police, mais il peut porter de la structure, et la quantité qui survit fait la différence entre un texte utilisable et un texte à retaper.

• Tableaux en lignes : chaque ligne devient une ligne avec des cellules séparées par des tabulations, ce qu'attend un tableur au collage. Un tableau imbriqué dans une cellule est replié dans cette cellule pour que la ligne extérieure garde sa forme.
• Tableaux en paragraphes : chaque cellule devient son propre paragraphe, ce qui se lit mieux en prose et correspond à ce que font la plupart des convertisseurs, que vous le vouliez ou non.
• Marqueurs de liste : puces et numéros sont reconstruits depuis les définitions de liste du document, donc 1., 1.a), 1.b), 2. sort avec le numéro parent auquel les éléments imbriqués appartiennent.
• Sauts de ligne : un saut à l'intérieur d'un paragraphe est conservé comme saut de ligne. Adresses, vers et blocs de signature en dépendent, et un convertisseur qui le perd soude deux lignes en un seul mot.
• Sauts de page : affichés comme ligne vide par défaut, comme saut de page pour les logiciels qui l'attendent, ou ignorés entièrement.
• Lignes vides : conservées, réduites à une seule, ou supprimées, pour les documents qui se servent de paragraphes vides comme espacement.

Ces deux réglages causent plus de confusion que tout le reste du texte brut, parce qu'un .txt n'enregistre ni l'un ni l'autre. Les régler correctement au moment de l'export est la seule solution fiable.

• UTF-8 : la valeur par défaut et la bonne réponse presque partout : le web, macOS, Linux et tout éditeur moderne.
• UTF-8 avec BOM : les mêmes octets précédés d'un marqueur de trois octets. Le Bloc-notes de Windows et Excel en ont besoin, et sans lui chaque caractère accentué ou non latin est abîmé à l'ouverture.
• UTF-16 : deux octets par caractère, toujours avec un marqueur d'ordre des octets. Certains logiciels Windows anciens l'attendent encore.
• Fins de ligne LF : un octet par fin de ligne. La valeur par défaut, et ce qu'attendent macOS, Linux et tous les outils de développement.
• Fins de ligne CRLF : deux octets par fin de ligne, ce qu'attendent le Bloc-notes de Windows et beaucoup de logiciels Windows anciens.

Le texte brut est le format que tous les autres programmes savent lire. Convertir un document Word en texte retire la mise en forme qui empêche de réutiliser le contenu et laisse les mots eux-mêmes, prêts à coller dans un CMS, à alimenter un script, à comparer avec une autre version, ou à archiver dans un format qui s'ouvrira encore dans trente ans.

Les avantages du format texte

• Universel : un .txt s'ouvre dans tous les éditeurs, sur tous les systèmes, sans rien installer.
• Léger : le texte pèse une fraction du document dont il vient, puisqu'il ne porte aucune mise en page.
• Cherchable et scriptable : le texte brut est ce qu'attendent grep, les tableurs, les pipelines de données et les modèles de langage.
• Comparable : deux fichiers texte se comparent ligne à ligne, ce que deux documents Word ne permettent pas.
• Durable : un fichier texte brut n'a ni version, ni schéma, ni dépendance au programme qui l'a écrit.

Un document Word n'est pas une page de texte sur laquelle on a saupoudré de la mise en forme. C'est un paquet de parties séparées, et les mots sont répartis entre elles : le corps dans une partie, chaque en-tête et pied de page dans une autre, notes de bas de page, notes de fin et commentaires dans trois de plus, et tout ce qui se trouve dans une zone de texte imbriquée quelque part au milieu. Convertir en texte, c'est toutes les visiter et décider de ce qui appartient au résultat.

Processus de conversion

• Identifier le fichier : le document est reconnu par son contenu et non par son extension, donc un fichier renommé s'ouvre quand même et un fichier qui n'est pas un document est refusé avec un lien vers l'outil adapté.
• Ne lire que le nécessaire : un DOCX ou un ODT est une archive compressée, et un document riche en images est surtout fait d'images. Seules les parties contenant du texte sont décompressées ; les images ne sont jamais touchées.
• Parcourir le document : paragraphes, segments, tableaux, listes, notes et zones de texte sont rassemblés dans une structure qui conserve l'ordre et la forme de l'original.
• Écrire le texte : vos choix décident des zones qui apparaissent, de la façon dont tableaux et listes sont écrits, de la séparation des paragraphes, et des fins de ligne et de l'encodage du fichier.

Quelques éléments du format qui expliquent ce que le texte brut peut et ne peut pas porter.

Chiffres clés

• Un .docx, .docm, .dotx et .dotm sont le même conteneur avec des étiquettes différentes : les quatre se convertissent à l'identique.
• Un .doc ancien garde son texte en morceaux qu'il faut réassembler dans l'ordre de lecture ; ils ne sont pas stockés dans l'ordre où on les lit.
• En-têtes, pieds de page, notes de bas de page, notes de fin et commentaires vivent hors du corps du document, et c'est pourquoi tant de convertisseurs les perdent.
• Un saut de ligne dans un paragraphe et la fin d'un paragraphe sont deux choses différentes dans Word, et les deux sont préservées ici.
• Le texte marqué comme supprimé en suivi des modifications est toujours dans le fichier, et l'inclure restaurerait des mots que l'auteur avait retirés.
• Le texte brut ne porte aucun marqueur d'encodage, d'où l'option UTF-8 avec BOM pour les logiciels Windows.

Quelques habitudes pour que le résultat arrive proprement là où il va.

Points de qualité

• Vérifiez l'aperçu avant de télécharger : c'est exactement le texte que contiendra le fichier, pas une approximation.
• Désactivez en-têtes et pieds de page quand le même papier à en-tête se répète sur chaque page et que vous ne voulez que le corps.
• Gardez les tableaux en lignes tabulées si le texte va vers un tableur, et passez aux paragraphes s'il va vers de la prose.
• Choisissez UTF-8 avec BOM si le fichier sera ouvert dans le Bloc-notes de Windows ou importé dans Excel, et CRLF s'il part vers un logiciel Windows ancien.
• Activez les adresses de liens quand les liens comptent : le texte du lien seul perd la destination de chacun.
• Utilisez « Supprimer les lignes vides » quand le document se sert de paragraphes vides comme espacement.

Cas d'usage courants

• Publication : faire passer un manuscrit dans un CMS sans emporter la mise en forme de Word dans la page.
• Travail sur données : sortir les tableaux d'un rapport en lignes tabulées lisibles par un tableur ou un script.
• Relecture : comparer deux versions d'un contrat ligne à ligne, impossible tant que les deux sont des fichiers Word.
• Archivage : conserver une copie lisible d'un document dans un format sans version ni dépendance.
• Accessibilité : récupérer les mots d'un document très mis en forme pour un lecteur d'écran ou une réécriture en langage clair.
• IA et recherche : préparer du texte propre pour l'indexation, le résumé ou les embeddings, sans bruit de balisage.

Il n'y a pas d'étape d'envoi dans cet outil parce qu'aucun serveur ne fait le travail. Votre document est lu à l'intérieur de la page, sur votre propre machine, et le texte ne voyage nulle part. C'est une différence pratique plutôt qu'un slogan : pas de file d'attente, pas de limite quotidienne de conversions, pas de fichier qui attend sur le disque de quelqu'un d'autre, et pas d'autre plafond de taille que ce que votre appareil peut contenir.

• Rien n'est envoyé : le fichier est ouvert directement depuis votre disque et lu sur place.
• Rien n'est conservé : fermez l'onglet et le document comme son texte ont disparu.
• Cela marche hors connexion : une fois la page chargée, la conversion continue de fonctionner sans aucune connexion.
• Pas de file, pas de limite quotidienne : le travail se fait sur votre machine, il n'y a donc rien derrière quoi attendre.

Les documents sont lus sur votre appareil par un lecteur dédié : rien n'est envoyé et rien n'attend dans une file.

• Word vers PDF
• Word vers HTML
• Word vers Markdown
• Visionneuse Word
• Compresser Word
• Fusionner Word
• Métadonnées Word
• PDF vers texte
• PowerPoint vers texte
• Excel vers CSV
• Compteur de mots
• Analyseur de texte