Un rectangle noir n'est pas un caviardage

C'est le malentendu le plus lourd de conséquences au sujet des PDF, et il a livré au public des noms de témoins, des salaires, des données médicales et des contrats non caviardés plus souvent que personne ne l'a compté. Dessiner un rectangle noir sur un mot n'efface pas le mot. Cela dessine un rectangle. Le mot est toujours là, dessous, entier.

Ce qu'est réellement une page PDF

Une page PDF n'est pas une image. C'est une liste d'instructions de dessin : place ce glyphe à cette position dans cette police, trace cette ligne, remplis ce rectangle. Quand vous ajoutez un rectangle noir dans un traitement de texte, dans l'outil d'annotation d'un lecteur ou dans la plupart des extensions de « caviardage », vous ajoutez **une instruction de plus** à la fin de cette liste. L'instruction de texte qui précède reste intacte. Visuellement le rectangle masque les glyphes parce qu'il est peint après. Structurellement le texte est exactement où il était, et tout ce qui *lit* le fichier au lieu de le *regarder* — copier-coller, extracteur de texte, index de recherche, lecteur d'écran — passe à travers le rectangle.

Comment le texte ressort

De trois façons, aucune sophistiquée. Ouvrez le PDF, sélectionnez la zone noircie avec le curseur, copiez, collez dans n'importe quel éditeur : les mots masqués apparaissent. Passez n'importe quel outil d'extraction sur le fichier : il rend le texte de la page en entier. Ou ouvrez le contenu brut du fichier, où les chaînes sont souvent visibles à l'œil nu. Ce n'est pas du piratage, c'est le fichier qui fonctionne comme prévu. Le plus gênant est que la personne qui a fabriqué le document ne peut pas s'en apercevoir, puisque à l'écran cela paraît caviardé — c'est précisément pour cela que cela continue d'arriver à des gens prudents.

Ce qu'un vrai caviardage doit faire

L'objet texte ne doit **pas exister** dans la sortie. Deux chemins honnêtes y mènent : retirer les opérateurs de texte concernés et reconstruire le flux de contenu, ou convertir la page en image, peindre les rectangles sur l'image et reconstruire la page à partir de celle-ci. Cette application prend délibérément le second, parce qu'il ne peut pas être fait à moitié. Une page portant un rectangle est rastérisée, les rectangles sont peints dessus, la page est reconstruite à partir du résultat — il ne reste aucun objet texte à récupérer dessous. Les pages sans rectangle sont copiées telles quelles depuis l'original et conservent leur texte vectoriel, leur netteté et leur sélectionnabilité.

Le coût, dit clairement

Rastériser une page coûte quelque chose et nous préférons le dire : sur une page caviardée le texte cesse d'être sélectionnable et cherchable, et le fichier grossit. C'est le prix de la garantie. C'est pourquoi seules les pages réellement caviardées sont converties — un contrat de cinquante pages dont deux sont caviardées garde quarante-huit pages de vrai texte. Et c'est pourquoi la sortie est toujours assemblée **en nouveau document** plutôt qu'enregistrée par-dessus l'original : une bibliothèque qui réécrit toute sa table d'objets à l'enregistrement peut laisser les objets texte d'origine dans le fichier en orphelins, même retirés de la page. Repartir de zéro rend cela structurellement impossible.