Markdown, le langage que votre IA préfère

Il est 17h30 et vous êtes à votre bureau quand vous recevez un courriel de votre collègue un peu fatigué, Mark. Ce dernier vous a joint un PDF scanné, rescanné, rerescanné d’un document initialement écrit à la main. Et il vous demande de renseigner les informations contenues dans ce magnifique PDF dans votre non moins magnifique tableur Excel.

Sa demande est très claire, les instructions à suivre sont bien détaillées. Mais il y a un léger souci : la pièce jointe est à peine lisible. Des caractères ont bavé un peu partout, et les tableaux… comment dire… s’agit-il seulement de tableaux ?

Vous voyez où je veux en venir ?

Dans ce synopsis digne des meilleures productions hollywoodiennes, un énorme plot twist se cachait : Mark c’est vous, et vous êtes votre IA.

Ce n’est pas tout de peaufiner vos prompts, encore faut-il que les documents que vous y joignez soient facilement compréhensibles et exploitables par l’IA.

Or, avec un PDF elle doit : reconstruire la structure, interpréter la mise en page, lire et comprendre les éventuelles images, gérer les éléments parasites (comme les en-têtes et pieds de page, par exemple), etc… Ainsi, bien souvent, les informations les moins utiles auront été mises au même plan que celles qui le sont le plus.

Et tout ça, c’est quand le fichier est déjà exploitable à la base ! Eh oui, parce que là, on parlait seulement de PDF natifs, bien beaux et bien lisibles…

Les scans PDF, eux, vont poser un problème supplémentaire : ce qui s’y trouve ne sont pas des caractères mais des images de caractères (c’est le principe d’un scan vous me direz…). Autrement dit, l’IA ne voit pas du texte, mais une photo de trucs qui ressemblent à du texte. Et elle comprend qu’elle doit alors activer son “traducteur” : l’OCR (pour Optical Character Recognition).

Or, non seulement cet outil rajoute une couche intermédiaire d’interprétation (au risque de dégrader encore davantage l’information, surtout avec des pattes de mouche), mais il entraîne généralement un coût supplémentaire. Vous vous retrouvez donc à grignoter un peu plus de votre précieux abonnement ou de vos crédits API pour un résultaaaat… pas foufou.

Le Markdown est un langage de balisage créé en 2004 par John Gruber, permettant d’écrire du texte formaté avec une syntaxe simple et lisible. En pratique, vous écrivez du texte brut, et vous ajoutez des marqueurs pour indiquer le type des différents éléments.

Ci-dessous quelques exemples :

L’intérêt de ce langage, c’est donc de pouvoir déclarer la structure de ce que vous rédigez dans le texte lui-même. Plus de jeu de devinettes : on sait tout de suite ce qui correspond à un titre, une URL ou un tableau (oui, on peut faire des tableaux en Markdown).

Et ce qui est vrai pour nous, humains, l’est aussi pour l’IA générative (qui n’est, au fond, qu’une reproduction de notre fonctionnement cognitif).

Souvenez-vous de Mark et de son PDF scanné 47 fois : vous deviez le déchiffrer tant bien que mal. Avec un fichier Markdown (.md), rien de tout ça. La structure est déjà là et sans ambiguïté, pour peu que la rédaction soit rigoureuse.

Il n’y a plus qu’à lire.

Maintenant que vous savez comment produire des fichiers lisibles et structurés, voyons comment nous en servir.

C’est là qu’intervient le RAG (pour Retrieval-Augmented Generation).

Plutôt que de laisser votre IA se baser sur ses données d’entraînement (qui s’arrêtent généralement à 6-8 mois en arrière) ou les recherches qu’elle voudra/pourra bien faire sur le web, vous lui donnez vos propres documents comme références. Elle ne répondra ainsi plus depuis ses connaissances seulement, mais aussi depuis les vôtres.

Voyez ça comme une bibliothèque municipale, dans laquelle vous viendriez ajouter un rayon personnel avec des livres qui vous sont propres.

De nombreuses solutions intégrant du RAG existent, et parmi elles :

• Les projets Claude*
  Un de mes outils du quotidien, simple et efficace. Vous créez un projet, vous y importez vos fichiers et Claude s’en sert comme base de connaissances pour toutes vos conversations au sein de ce projet.
  NB : ça fonctionne aussi avec les projets ChatGPT bien sûr, et les Gems de Gemini.

  

• AnythingLLM

  Si vous avez suivi la newsletter précédente, vous le connaissez déjà au moins de nom. Vous pouvez vous créer un espace de travail (l’équivalent d’un projet Claude ou GPT) dans lequel vous déposez tous vos fichiers, et votre IA locale les exploite directement. Vous avez la main pour choisir le fournisseur de base de données, et paramétrer embedding (de la vectorisation de mots, grosso modo) et chunking (découpage d’un texte, “chunk” signifiant littéralement “morceau” en anglais).

  

Dans les deux cas, le principe est le même : votre IA répond dans le cadre que vous avez défini, avec les données que vous lui avez fournies.

Et c'est là que la rigueur du Markdown prend tout son sens : plus vos fichiers sont structurés et lisibles, plus le RAG est efficace. Vos réponses s'en trouvent ainsi améliorées, et vos extractions de données fiabilisées. Et, toujours dans une logique d'optimisation, vos quota/crédits mieux consommés.

*Le RAG dans les projets Claude ne s’active réellement que lorsque vous approchez ou dépassez la limite de la fenêtre de contexte. En dessous, Claude se contente de faire du context stuffing (ou injection de contexte).

Vous avez un PDF et voulez le transformer en Markdown ? Petite astuce rapide pour ce faire :

1. Récupérez votre PDF
Si votre document est déjà au format PDF, passez à l’étape 2 directement.
S’il s’agit d’une page web ou d’un document en ligne, un CTRL+P (⌘+P sur Mac) puis “Enregistrer” fera le café.

2. Convertissez-le en Markdown
Rendez-vous sur pdf2md.morethan.io, déposez votre fichier, et récupérez votre contenu converti en Markdown. Gratuit, sans inscription et confidentiel (d’après le fournisseur de cette solution).
Attention : il y aura sûrement un peu de retravail à faire selon la qualité du PDF fourni, mais un éditeur est intégré au site.

3. Sauvegardez et importez
Copiez le résultat, collez-le dans votre Bloc-Notes (Windows) ou TextEdit (Mac), et sauvegardez le fichier en .md. Il ne vous reste plus qu’à l’importer dans votre projet ou votre espace de travail.

Vous ne changerez pas ce bon vieux Mark. Il continuera de scanner inlassablement ses PDF, et évidemment d’écrire ses courriels en Comic Sans MS parce que “un peu de fun n’a jamais tuer personne rolala z’êtes pas drôles”.

En revanche, vous pouvez changer ce que vous donnez à manger à votre IA. Prenez le pli du Markdown : des fichiers propres et clairs vous permettront d’exploiter au mieux vos connaissances.

À très vite,
Arthur & l’équipe Le Bahut

P.S. : Si vous voulez aller plus loin dans la compréhension et l’utilisation des outils IA (chatbots, vibecoding, automatisations...), Le Bahut propose des formations certifiantes adaptées à votre niveau.

On ne vous vend pas de rêve : on vous montre ce qui marche vraiment selon nous, en s’adaptant à vos besoins.

👉 Découvrir nos formations

Partager