« L’IA a lu tout mon PDF » est une phrase trop belle pour être vraie telle quelle. Fenêtre de contexte, découpage, résumé glouton du début : les échecs sont prévisibles. Ce comparatif de septembre 2026 décrit une épreuve reproductible — document long, questions pièges dont la réponse n’est pas en page 1 — sans déclarer qu’un modèle avale trois cents pages d’un trait. IAHDF est indépendant : pas de podium, pas de partenariat. Angle Hauts-de-France : documents régionaux publics, jamais de dossiers nominatifs collés en clair.
La question des gens — « L’IA lit-elle tout mon document ? » — mérite une réponse honnête : elle traite ce qui entre dans sa fenêtre utile, ce qui a été découpé, résumé ou indexé, et ce que l’interface a vraiment envoyé. Un bandeau « PDF analysé » ne prouve pas une lecture page à page égale. Ce texte propose un protocole d’épreuve, des prompts, un tableau qualitatif sans notes, des cas régionaux, et les limites du test.
Nous citons des familles d’assistants et, le cas échéant, des approches locales, comme illustrations — pas comme partenaires. Pour le choix d’outil au quotidien, le comparatif assistants. Pour résumer sans tout coller d’un coup, résumer par parties.
Ce que « lire un long document » veut dire
Trois mécanismes se mélangent dans le langage courant. Premier : coller ou téléverser un fichier dans un chat ; le service extrait du texte et le place dans un contexte limité. Deuxième : découper le fichier en morceaux (chunking) puis retrouver des passages (souvent via recherche / embeddings) — logique proche du RAG. Troisième : résumer par vagues, en espérant que le résumé garde l’aiguille dans la botte de foin.
Aucun de ces mécanismes ne garantit une attention uniforme de la page 1 à la dernière. Les modèles ont des biais connus vers le début (et parfois la fin) du contexte fourni. D’où l’épreuve centrale de ce comparatif : poser une question dont la réponse factuelle se trouve clairement au milieu du document, pas dans l’introduction.
Protocole d’épreuve
Matériel : un document public long (rapport, schéma, guide) au format texte extractible — pas un scan illisible sans OCR. Idéalement plusieurs dizaines de pages au minimum ; l’ordre de grandeur « très long » suffit pour révéler les biais, sans fantasmmer une lecture magique de trois cents pages. Préparez vingt questions : quinze dont la réponse est répartie, cinq dont la réponse exacte figure vers la fin ou après un long développement central (notre « page 40 » pédagogique : un passage éloigné de l’intro).
Pour chaque outil testé : même fichier (ou mêmes extraits si l’outil refuse la taille), même question, sans reformuler après un échec. Notez : refus de fichier, troncature annoncée, réponse qui paraphrase seulement l’intro, citation inventée, numéro de page faux, ou réponse correcte vérifiée dans le PDF.
Déroulement en six gestes
Choisir un document public
Schéma régional, rapport d’activité en ligne, guide méthodologique librement téléchargeable. Pas de contrat privé, pas de dossier RH, pas de listes de personnes.
Repérer une aiguille
Trouvez un fait précis (chiffre, nom d’action, date, définition) situé nettement après l’introduction — par exemple vers un chapitre médian. Notez la page réelle dans votre lecteur PDF.
Rédiger la question piège
Une question fermée : la bonne réponse est une phrase courte. Interdisez d’inventer si le passage manque.
Passer l’épreuve à l’identique
Même fichier, même prompt, outils différents. Chronométrez l’attente. Capturez si l’interface avoue une limite de taille.
Vérifier dans le fichier
Ouvrez le PDF, cherchez le terme. Cochez OK seulement si le fait est bon. Une belle phrase fausse = échec.
Retester par parties
Si l’échec vient du volume, découpez le chapitre utile et reposez la question. Comparez à l’envoi massif.
Prompts d’épreuves
Tu disposes du document joint. Réponds uniquement à partir de ce document. Question : [fait précis situé hors introduction — ex. « Quelle mesure est citée dans la section X concernant Y ? »] Contraintes : - Cite le passage court qui justifie ta réponse (guillemets). - Indique le titre de section si visible. - Si tu ne trouves pas l’information, dis « non trouvé dans le document fourni » : n’invente rien.
Résume en cinq puces les engagements concrets du document qui ne figurent PAS dans l’introduction ni dans le sommaire. Si tu ne peux pas accéder au corps du texte, dis-le clairement au lieu d’inventer.
Voici uniquement le texte du chapitre [N] (collé ci-dessous). Extrais la réponse à : [question]. N’utilise aucune connaissance hors ce chapitre. Si absent, réponds « absent de cet extrait ». --- [coller le chapitre]
Le troisième prompt sert de filet : si le chapitre seul fonctionne et le fichier entier échoue, vous tenez un diagnostic de volume / récupération, pas un jugement moral sur la marque.
Échecs typiques à reconnaître
Réponse du début seulement : l’outil reformule l’édito ou les objectifs généraux, ignore l’aiguille. Citation inventée : guillemets fluides absents du PDF. Page fantôme : « page 12 » alors que le fait est ailleurs. Confusion entre documents si plusieurs fichiers sont dans le projet. Refus silencieux : le fichier semble accepté, mais le contenu utile n’a pas été extrait (scan sans OCR, protection, colonnes mal lues).
Autre échec : résumé « complet » qui mélange des sections et crée une synthèse plausible mais fausse. Contre-mesure : une question fermée + vérification visuelle. Pour les scans, l’OCR devient un prérequis — voir la logique décrite dans les ressources technique du catalogue quand vous indexez des archives.
Tableau qualitatif (sans notes)
| Situation | Ce qu’on voit souvent | Risque | Geste correctif |
|---|---|---|---|
| Fichier très volumineux accepté d’un coup | Réponse fluide centrée sur l’intro | Fausse impression d’avoir « tout lu » | Question aiguille + vérif PDF |
| Troncature / refus de taille | Message de limite ou échec d’upload | Frustration, tentation de compresser n’importe comment | Découper par chapitres utiles |
| Mode « projet » multi-fichiers | Mélange de sources | Citation du mauvais document | Un fichier par épreuve |
| Approche type RAG / index | Passages retrouvés selon similarité | Rate une formulation trop différente de la question | Reformuler la question avec les mots du texte |
| Modèle local + gros fichier | Dépend de la machine et de l’outil (voir IA locale) | Lenteur, contexte court, OCR absent | Extraire le chapitre avant d’interroger |
| Demande de résumé global | Texte lisse et général | Perte des exceptions et annexes | Résumer par parties : méthode |
Cas Hauts-de-France
Document régional public : un schéma ou rapport téléchargeable officiellement, utilisé comme terrain d’épreuve — pas comme conseil juridique. Un agent ou un étudiant peut poser une question sur une mesure citée loin de l’introduction. Si la réponse ne fait que paraphraser les premiers paragraphes, l’outil a échoué l’aiguille, même s’il « a accepté » le PDF.
Association lilloise préparant une réponse à appel à projets : découper le règlement en sections (éligibilité, dépenses, calendrier) et interroger section par section a limité les inventions. L’envoi du PDF entier avait produit un calendrier confiant mais inexact.
Collectivité : les délibérations scannées mal OCRisées font échouer n’importe quel assistant. Le problème n’est alors pas « quelle IA », c’est la qualité du texte extractible. Aucun dossier nominatif d’usager ne doit servir d’épreuve.
Ateliers : l’agenda IAHDF propose parfois des sessions « documents longs » où l’on refait l’aiguille à plusieurs. L’inscription permet de suivre les comptes rendus de méthode.
Conseils pratiques
Travaillez par parties dès que le fichier dépasse ce que vous pouvez relire rapidement. Exigez une citation courte. Interdisez l’invention. Gardez le PDF ouvert à côté. Pour un usage pro, écrivez une règle : « Pas de PDF nominatif dans un chat grand public ; documents publics ou anonymisés seulement. »
Si votre douleur est le mode lent de raisonnement sur un extrait déjà isolé, croisez avec les modèles de raisonnement. Si la confidentialité prime, réglages et hébergement.
Limites de ce test
Nous ne publions pas de classement chiffré des « 8 IA ». Les versions, plafonds d’upload et stratégies d’indexation changent. Un succès un mardi peut échouer le jeudi après une mise à jour. Nous n’avons pas évalué tous les formats (tableaux complexes, plans scannés, fichiers protégés).
L’ordre de grandeur « 300 pages » du titre reprend la question des gens ; ce n’est pas une promesse de lecture intégrale par un modèle. Notre protocole vise à révéler le biais de début et la fragilité des résumés globaux. IAHDF reste indépendant : aucun éditeur n’a payé pour apparaître.
Pour qui, et pour qui non
Pour vous si vous manipulez rapports, règlements, guides longs, et voulez une méthode anti-illusion. Pas pour déléguer un contrat sensible sans juriste, ni pour « faire lire » un dossier médical ou scolaire. Le fichier reste la source ; l’assistant est un chercheur d’aiguilles faillible.
Fenêtre de contexte : ce qu’il faut en retenir
On lit partout des chiffres de « tokens » ou de pages. Ces annonces varient selon le modèle, l’offre, et la façon dont le texte est découpé. Plutôt que de mémoriser un plafond publicitaire, retenez le geste : si votre question porte sur un détail éloigné de l’introduction, vous devez le vérifier dans le fichier. Une fenêtre large mal exploitée produit les mêmes échecs qu’une fenêtre étroite.
Quand l’interface propose un mode projet, une bibliothèque de fichiers ou une indexation, vous n’êtes plus dans le simple collage. Vous entrez dans une logique de récupération de passages. Reformulez alors la question avec les mots du document. Une question trop abstraite rate l’aiguille même si le passage est indexé.
Les tableaux, notes de bas de page et annexes sont des zones d’échec fréquentes. Si votre décision dépend d’une annexe, ouvrez l’annexe et posez la question sur cet extrait seul. Ne demandez pas à l’outil de « tout fusionner » en une synthèse de conseil d’administration.
OCR et scans : le prérequis invisible
Un PDF image sans texte extractible donne une illusion : le fichier s’uploade, l’icône s’affiche, la réponse arrive — et parle d’autre chose, ou invente. Avant toute épreuve longue, sélectionnez du texte dans votre lecteur. Si rien ne se sélectionne, faites un OCR ou exigez une version texte. Les archives municipales scannées sont un cas typique en région : la qualité d’OCR décide plus que la marque de l’assistant.
Même avec un OCR correct, les colonnes, tampons et signatures brouillent l’ordre de lecture. Pour une délibération, isolez le paragraphe utile. Pour un plan scanné, l’assistant n’est pas un géomètre : gardez l’humain sur l’interprétation spatiale.
Ne transformez pas un atelier d’épreuve en dépôt de dossiers nominatifs « parce que le scan est illisible autrement ». Si le document est sensible, traitez-le dans le cadre autorisé de votre structure, pas dans un compte personnel de démonstration.
Méthode d’équipe pour les règlements longs
Attribuez les chapitres. Chaque personne pose deux questions fermées sur sa partie, dont une aiguille. Mutualisez une grille partagée : question, passage trouvé, réponse outil, verdict humain. Vous obtiendrez une cartographie des zones où l’outil ment avec le sourire.
Interdisez le résumé global comme seule préparation d’une décision. Autorisez l’assistant pour préparer des questions à poser en réunion, pas pour conclure à votre place. Cette distinction évite les disputes stériles sur « l’IA a dit que ».
Documentez la date de l’épreuve et la version approximative de l’outil. Quand un collègue arrivera trois mois plus tard avec une nouvelle démo, vous pourrez rejouer la même aiguille au lieu de tout recommencer.
Checklist avant d’uploader un long fichier
Le fichier est-il public ou explicitement autorisé ? Le texte est-il sélectionnable ? Avez-vous une question fermée préparée ? Avez-vous le PDF ouvert à côté ? Si une réponse est non, pausez. Cette checklist de trente secondes évite la moitié des mésaventures observées en atelier.
Ajoutez une ligne sur le stockage : où le fichier uploadé reste-t-il chez l’éditeur, et comment le supprimer ensuite ? La lecture confidentielle croise ici le comparatif des réglages. Un document public peut quand même créer un historique que vous préférez purger.
Pour les équipes, affichez la checklist près des postes qui préparent des dossiers de subvention ou des réponses à appel à projets. Le stress de la deadline est le meilleur ennemi de la méthode.
Questions fréquentes
Quelle IA lit vraiment 300 pages ?
Aucune réponse honnête ne devrait être un nom de marque assorti d’une garantie absolue de lecture linéaire page après page. Les outils traitent un contexte limité, un index, ou des résumés successifs, selon l’interface et l’offre du moment. Ce qui compte, c’est votre épreuve : question dont la réponse est loin de l’introduction, vérification visuelle dans le PDF, citation exigée. Si l’outil ne réussit que les questions d’introduction, il ne lit pas tout au sens utile du travail quotidien. Méfiez-vous des démonstrations marketing sur des PDF choisis à l’avance. Refaites le test avec votre document public et notez la date. IAHDF refuse de proclamer un vainqueur éternel sur ce critère.
Pourquoi la réponse ne parle-t-elle que du début ?
C’est un échec typique et pédagogique : le début du texte fourni pèse souvent davantage dans la génération, et l’interface peut n’avoir envoyé qu’une partie du fichier malgré une icône rassurante. Contre-mesure concrète : posez une question aiguille, exigez une citation courte, puis découpez par chapitre si besoin. Si le chapitre isolé fonctionne et le fichier entier échoue, vous tenez un problème de volume ou de récupération de passages, pas seulement un jugement esthétique sur le style du modèle. Notez aussi la qualité d’extraction : tableaux et notes de bas de page se perdent facilement. Rejouez l’épreuve après chaque mise à jour majeure de l’outil.
Puis-je coller un contrat ou un PLU annoté ?
Un document déjà public peut servir d’épreuve pédagogique. Un contrat privé, un PLU annoté en interne avec des noms, ou un dossier d’urbanisme nominatif n’a en général pas sa place dans un chat grand public non cadré. Demandez le cadre exact de votre structure avant tout upload. Pour les réglages d’entraînement, de rétention et d’hébergement, lisez le comparatif confidentialité et les pages de l’éditeur à la date du jour, sans vous fier à un slogan conforme. En cas de doute, travaillez sur un extrait anonymisé dans un outil autorisé, ou restez hors chat. La prudence métier prime sur la curiosité technique.
Le résumé global suffit-il ?
Rarement pour décider vraiment. Un résumé lisse efface exceptions, annexes, chiffres discrets et conditions particulières qui changent une éligibilité. Préférez un résumé par parties avec contrôle des passages critiques, comme le décrit la méthode de résumé par parties du catalogue. Gardez une question fermée sur chaque section à enjeu et cochez la vérification humaine. Le résumé est un brouillon de lecture pour préparer une réunion, pas une source citée telle quelle dans un dossier officiel ou une délibération. Si un collègue ne lit que le résumé généré, prévoyez un filet : liens vers les pages exactes du PDF.
Comment m’entraîner en Hauts-de-France ?
Choisissez un document régional public, préparez cinq questions dont une aiguille située hors introduction, testez deux outils maximum le même jour, et notez les échecs sans attribuer de note sur dix. Conservez le PDF ouvert à côté de l’écran pour vérifier chaque fait. Venez comparer vos observations en atelier via l’agenda IAHDF, en apportant votre grille plutôt qu’une capture marketing. Créez un compte sur l’inscription pour suivre les mises à jour de protocole et les retours d’autres membres. IAHDF n’est sponsorisé par aucun éditeur de chat ou de plateforme PDF : l’indépendance conditionne la franchise de ces conseils.