🆕 Convertir Word vers Markdown avec Images - Nouvelle Fonctionnalité !
Nous sommes ravis d'annoncer le lancement de notre fonctionnalité la plus demandée : Convertir Word vers Markdown avec Images ! Cet outil révolutionnaire combine le traitement d'images alimenté par l'IA avec notre conversion Word vers Markdown de confiance.
27 juillet 2025
Convertir un document Word avec des images en Markdown, c'est le moment où la plupart des convertisseurs échouent en silence. Le texte passe, les titres s'alignent, puis vous découvrez que chaque capture est devenue une référence `` cassée, ou pire, a disparu silencieusement. Word2MD.net a été construit spécifiquement autour du problème des images, parce que c'est là que toutes les migrations de documentation que nous avons vues craquent. Ce guide explique ce qui arrive vraiment aux images pendant la conversion, le pipeline que Word2MD.net utilise pour les préserver, et quand intégrer, lier ou OCR.
Ce qui arrive aux images par défaut
Un fichier .docx est une archive ZIP. Les images vivent dans `/word/media/` sous forme binaire PNG, JPEG ou EMF. Un convertisseur naïf fait l'une de trois choses, toutes mauvaises : il les inline en énormes chaînes base64 (le Markdown gonfle à plusieurs Mo), il les jette avec un placeholder `[image]`, ou il échoue totalement sur les formats EMF/WMF que Word émet encore pour les graphiques et captures des anciennes versions d'Office. Aucun de ces résultats ne survit à une revue de PR Git.
Le pipeline d'images de Word2MD.net
- Extraction : chaque image embarquée est dépaquetée du ZIP .docx et reçoit un nom de fichier stable dérivé du nom du document plus un hash.
- Normalisation de format : EMF et WMF — que la plupart des navigateurs ne rendent pas — sont convertis en PNG à la volée.
- Export sidecar : en mode batch, les images sont livrées dans un dossier `images/` au sein du ZIP résultat, à côté du Markdown qui les référence par chemins relatifs propres.
- Préservation du texte alternatif : si le Word d'origine avait un alt text, il est porté dans la syntaxe `![alt]()` — crucial pour l'accessibilité et le SEO.
- Option OCR : pour les captures d'UI, de terminaux ou de pages scannées, l'OCR par IA tourne à côté du lien image pour extraire un texte recherchable.
OCR par IA pour captures et scans
Les captures cassent les pipelines RAG parce que les index LLM ne voient pas l'intérieur des images. Une spec produit de 50 pages avec 80 captures d'UI perd 80 morceaux de contenu au moment de l'ingestion. Le passage OCR optionnel de Word2MD.net extrait le texte visible de chaque image et l'émet à côté du lien `![alt]()` sous forme de bloc de code fence. L'image reste affichée pour les lecteurs humains ; la version texte rend le même contenu retrouvable par LlamaIndex, LangChain, Haystack ou tout pipeline d'embedding personnalisé. Pour les équipes de bases de connaissances, cette seule fonctionnalité justifie souvent la conversion.
Quand intégrer, lier ou OCR — règle de décision
Utilisez base64 inline uniquement pour des documents de moins de 50 Ko qui seront publiés sur une page statique unique (rare). Utilisez l'export sidecar avec liens relatifs pour tout ce qui vit dans un repo Git — cela donne aux reviewers des diffs d'images normaux et garde le Markdown lisible. Ajoutez l'OCR quand le contenu de l'image porte une information que lecteurs ou LLM doivent chercher : messages d'erreur dans des captures, code dans des terminaux, libellés dans des diagrammes. Sautez l'OCR pour les photos décoratives — cela ajoute du bruit. Test honnête : si un lecteur peut ignorer l'image sans rien perdre, vous n'avez pas besoin d'OCR.