Support des PDF

Claude lit les PDF aussi facilement que les images : résumer un document, répondre à des questions sur son contenu, analyser ses tableaux et ses graphiques. Cette leçon montre comment envoyer un PDF par l’API Converse.

Envoyer un PDF

On lit le fichier en binaire, puis on l’envoie dans un bloc document, suivi d’un bloc de texte :

with open("earth.pdf", "rb") as f:
    file_bytes = f.read()

messages = []
add_user_message(messages, [
    {"document": {"format": "pdf", "name": "earth", "source": {"bytes": file_bytes}}},
    {"text": "Résume ce document en une phrase."},
])
result = chat(messages)
print(result["text"])

Quatre différences avec une image :

• un bloc document au lieu d’image ;
• "format": "pdf" ;
• un champ name, le nom du fichier sans extension ;
• un bloc de texte obligatoire dans le même message : l’API Converse refuse un document seul.

Le nom n’accepte que des lettres, des chiffres, des espaces isolés, des tirets, des parenthèses et des crochets. La référence de l’API signale qu’il peut servir à une injection de prompt, car le modèle risque de le lire comme une consigne : donnez un nom neutre, jamais le nom de fichier fourni par un utilisateur.

Les limites

Ce que Claude fait d’un PDF

D’après la documentation d’Anthropic, chaque page est convertie en image, et son texte est extrait : Claude analyse ensemble le texte et l’apparence de la page, graphiques et tableaux compris. Une page coûte en général entre 1 500 et 3 000 tokens de texte, plus le coût de son image. Un long PDF pèse donc vite lourd : envoyez les pages utiles, ou combinez avec le cache de prompts si le même document revient souvent.

Dans la démonstration du cours officiel, Claude résume en une phrase l’article de Wikipédia sur la Terre, un PDF de plusieurs pages avec images et mise en page complexe. Il sait aussi extraire et résumer l’information, répondre à des questions précises, analyser la structure d’un document et traiter des PDF qui mêlent texte et images. Combiné aux citations, que la leçon suivante présente, il devient un outil de recherche vérifiable.

À vous de jouer

Interroger un vrai document. Prenez un PDF de votre travail qui contient au moins un graphique ou un tableau. Posez trois questions : une sur le texte, une sur le tableau, une sur le graphique. Notez les tokens d’entrée (usage) et vérifiez chaque réponse dans le document.

Sources officielles : PDF support (Claude Academy) · Message (documentation AWS : limites des documents) · PDF support (documentation Claude)

Points clés à retenir

• Un PDF est un bloc document avec format, name et ses octets, accompagné d’un bloc de texte.
• Donnez un nom neutre : le nom du document peut servir à une injection de prompt.
• Converse : 5 documents par message, 4,5 Mo chacun.
• Claude lit le texte et l’image de chaque page : 1 500 à 3 000 tokens de texte par page, plus l’image.