Ce qu’il y a dans un PDF : objets, flux et table de références croisées
Un PDF est un graphe d’objets numérotés et de flux compressés, indexés par une table xref. Get Info l’analyse ; Réparer la reconstruit quand cette carte casse.

Un PDF n’est pas un simple empilement de pages. C’est une petite base de données d’objets, souvent stockés sous forme de flux compressés et localisés grâce à une table de références croisées (xref), pour qu’un lecteur puisse atteindre l’objet 17 sans parcourir tout le fichier. Quand cette carte casse, les lecteurs déclarent le fichier endommagé même si les octets des pages sont toujours sur le disque.
Les objets
Tout ce qui compte (pages, polices, images, métadonnées, catalogue du document) est un objet doté d’un numéro. Les pages pointent vers des flux de contenu et des ressources ; les ressources pointent vers des polices et des XObjects ; le catalogue pointe vers l’arbre des pages. Les outils qui fusionnent, font pivoter ou apposent un tampon réécrivent surtout ce graphe, plutôt que de redessiner des pixels.
Les flux
Un flux est un objet dont la charge utile est une suite d’octets, souvent compressée en Flate : opérateurs de contenu de page, fichiers de polices intégrés, données d’image. C’est pourquoi un PDF ouvert dans un éditeur de texte affiche un mélange de jetons ASCII et de blocs binaires. Déplier les flux (sans changer l’apparence des pages) aide au débogage ; Compresser sur ce site recompresse ces flux avec qpdf : il ne sous-échantillonne pas les images et ne réduit pas les polices.
La table de références croisées
Vers la fin d’un fichier typique, une section xref (ou un flux xref dans les fichiers récents) énumère les décalages d’octets de chaque numéro d’objet. Les lecteurs se positionnent à ces décalages. Un téléchargement tronqué, une mauvaise fusion ou un enregistrement interrompu laisse souvent le trailer pointer vers des décalages qui ne correspondent plus. Les pixels de la première page peuvent encore exister ; la carte qui permet de la trouver, non.
C’est pourquoi la réparation structurelle est une autre tâche que l’OCR ou le déverrouillage : réparer reconstruit la structure interne à partir des fragments valides ; l’opération n’invente pas les images de page manquantes et ne devine aucun mot de passe.
Mises à jour incrémentielles et pourquoi les fichiers grossissent
Un lecteur peut ajouter des modifications à un PDF sans réécrire tout le fichier : une nouvelle section de références croisées à la fin pointe vers les objets de remplacement et remonte vers la précédente. C’est ainsi que les signatures et les enregistrements qui n’ajoutent que des annotations restent rapides. C’est aussi pourquoi un fichier modifié de nombreuses fois peut être bien plus gros que son contenu visible, et pourquoi un ancien objet que vous croyiez disparu peut encore exister plus haut dans le flux d’octets jusqu’à ce qu’une réécriture complète l’élimine. Linéariser un PDF et Compresser réécrivent tous deux le fichier, ce qui explique que l’un comme l’autre puisse en changer la taille, et qu’aucun ne doive être jugé sur la seule taille.
La linéarisation est une autre sorte de carte
L’affichage web rapide réordonne les mêmes objets pour que les données de la première page se trouvent près du début, avec une table d’indications qui dit au lecteur où regarder en premier. Il ne réduit pas le fichier et ne change pas le contenu des pages ; il échange une légère hausse de taille contre une première page qui s’affiche avant que le reste n’arrive. Si un lecteur n’affiche rien pendant le téléchargement d’un PDF volumineux, c’est le problème que résout la linéarisation, et celle-ci est distincte du compactage des flux d’objets qu’effectue Compresser.
Inspecter avant de réécrire
Get Info sur PDF renvoie un rapport JSON (nombre de pages, métadonnées, polices, détails structurels), et non un PDF modifié. Utilisez-le lorsque vous devez savoir ce que vous tenez avant de compresser, convertir ou réparer.
Si un lecteur refuse complètement d’ouvrir le fichier, essayez Réparer PDF, qui reconstruit la structure, y compris la table de références croisées. Si le fichier s’ouvre mais que le texte d’un scan n’est pas sélectionnable, c’est un problème d’OCR, pas de xref.
Un ordre de décision en trois temps
- Le fichier ne s’ouvre pas → Réparer d’abord.
- Le fichier s’ouvre et vous avez besoin de faits (pages, polices, indices de chiffrement) → Get Info.
- La structure est saine et vous voulez un fichier plus léger ou du texte lisible depuis un scan → Compresser pour la taille, ou OCR pour du texte Markdown, et non une nouvelle passe de réparation.
Get Info et Réparer fonctionnent sans compte. Pour les mêmes opérations en HTTP, voir Développeurs. Pour savoir en quoi Réparer diffère des produits de « récupération » de bureau de marque, voir Réparation PDF en ligne vs recherches Recovery Toolbox.