[fr-users] Analyse structurelle ODT : document lisible vs source documentaire (procédure complète)

Bonjour à toutes et à tous,

Suite aux échanges récents sur la maintenabilité, la conversion et la pérennité des documents ODT, 
je souhaite partager **un retour d’expérience strictement technique**, documenté, reproductible, 
issu d’un cas réel.

L’objectif n’est pas de polémiquer, mais de **documenter précisément une situation où un document 
ODT est parfaitement lisible dans LibreOffice Writer, tout en étant structurellement impropre comme 
source documentaire** (conversion, versionnement, audit).

---

## 1. Contexte

Document analysé :

* *LibOBasic_01_IDE_Flat_A4_FR_v200.odt*
* Aide-mémoire LibreOffice Basic (document réel, diffusé)
* Visuellement correct et exploitable dans Writer

Problème constaté :

* Échec de conversion vers Markdown avec Pandoc
* Impossibilité d’exploiter le document comme source textuelle structurée

---

## 2. Vérification du conteneur (niveau ZIP / ODT)

Un ODT est un conteneur ZIP. Première étape : vérifier le conteneur, hors éditeur.

```bash
zip -T LibOBasic_01_IDE_Flat_A4_FR_v200.odt
```

Résultat : **OK**

Vérification de la conformité ODT minimale :

```bash
unzip -lv LibOBasic_01_IDE_Flat_A4_FR_v200.odt | head
```

Points vérifiés :

* `mimetype` présent
* `mimetype` en première position
* `mimetype` non compressé (`Stored`)

➡️ Le fichier est **conforme au niveau conteneur**.
Le problème n’est **ni le ZIP, ni le renommage, ni l’outil de test**.

---

## 3. Test de conversion structurelle (Pandoc)

```bash
pandoc -f odt -t native LibOBasic_01_IDE_Flat_A4_FR_v200.odt --verbose
```

Résultat :

```
[ Para [] , Para [] ]
```

Interprétation :

* Pandoc parvient à lire le conteneur
* Mais ne trouve quasiment **aucun contenu textuel exploitable**
* Le document est donc **structurellement vide du point de vue d’un parseur strict**

---

## 4. Inspection de la structure XML (content.xml)

Extraction :

```bash
unzip LibOBasic_01_IDE_Flat_A4_FR_v200.odt content.xml
```

Recherche des zones de texte :

```bash
grep -n "<draw:text-box" content.xml | head
```

Résultat : nombreuses occurrences.

Recherche des cadres principaux :

```bash
grep -n '<draw:frame' content.xml | head
grep -n 'draw:name="CadrePage' content.xml
```

Constat clair :

* Le texte est stocké majoritairement dans des **`draw:frame / draw:text-box`**
* Cadres ancrés à la page (`text:anchor-type="page"`)
* Cadres **chaînés** (`draw:chain-next-name`)
* Absence de flux texte logique (`office:text` structuré)

➡️ Il s’agit d’une **composition graphique** (maquette), pas d’un document textuel structuré.

---

## 5. Extraction bas niveau du contenu (hors éditeur)

Extraction du texte contenu dans les cadres :

```bash
xmlstarlet sel -t \
  -m '//draw:frame[draw:text-box]' \
  -o '--- ' -v '@draw:name' -o ' (page ' -v '@text:anchor-page-number' -o ')' -n \
  -m './/draw:text-box//text:p' -v 'normalize-space(.)' -n \
  -n \
  content.xml > extracted.txt
```

Résultat :

* Texte intégral récupéré
* Contenu présent, mais **hors structure documentaire**

---

## 6. Conclusion technique

Ce document est :

* ✔️ lisible dans LibreOffice Writer
* ✔️ valide au niveau conteneur ODT
* ❌ non exploitable comme source documentaire
* ❌ non convertible proprement
* ❌ non versionnable finement
* ❌ non traduisible automatiquement

**Cause unique** :

> le contenu principal est stocké dans des objets graphiques (`draw:text-box`) et non dans le flux 
> texte ODF.

---

## 7. Conclusion générale

> Un document peut être parfaitement lisible dans un éditeur tout en étant structurellement 
> impropre comme source.

Ce constat :

* n’est pas une critique de LibreOffice,
* n’est pas une question d’opinion,
* n’est pas visible depuis l’interface graphique,
* **n’apparaît qu’au niveau structure XML**.

C’est précisément ce niveau qu’il est nécessaire de documenter lorsqu’on parle de pérennité, de 
conversion et de maintenance.

---

Cordialement,

Bernard Schoenacker
Rédaction technique / analyse documentaire

-- 
Envoyez un mail à users+unsubscribe@fr.libreoffice.org pour vous désinscrire
Les archives de la liste sont disponibles à https://listarchives.libreoffice.org/fr/users/
Privacy Policy: https://www.documentfoundation.org/privacy