Support des PDF

Après les images, les documents : Claude peut lire et analyser des PDF aussi facilement qu’il gère les photos. La différence d’enjeu est pourtant considérable — le PDF est le format de l’entreprise, celui des contrats, des rapports, des factures et des publications. Cette capacité ouvre les workflows qui comptent vraiment en production : analyse de documents, résumé, questions-réponses sur des dossiers entiers.

Structure du message pour les PDF

Côté code, si vous avez suivi la leçon sur les images, vous êtes déjà en terrain connu : le processus est identique, à un type de bloc près — un objet "document" au lieu de "image" :

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": "Résumez ce document en une phrase"},
    ],
)

response = chat(messages)

Le fichier est lu en binaire puis passé tel quel — l’API Converse de Bedrock accepte les octets bruts, sans encodage base64 à gérer vous-même. Le message reste multi-blocs : le document d’abord, la consigne ensuite, dans la même liste. Les points de structure à respecter :

• Utilisez "document" au lieu de "image"
• Définissez "format": "pdf"
• Incluez un champ "name" avec le nom du fichier sans extension
• La "source" contient les octets du fichier

Le champ "name" n’est pas décoratif : c’est sous ce nom que Claude connaît le document — utile dès qu’une requête en joint plusieurs (« compare earth et mars ») et indispensable pour les citations à venir.

Ce que Claude peut faire avec les PDF

Une fois le document dans le contexte, Claude le traite comme du contenu de premier ordre : il peut extraire et résumer les informations clés, répondre à des questions spécifiques sur le contenu, analyser la structure et le formatage du document, traiter des documents multi-pages efficacement, et travailler avec des PDF contenant à la fois du texte et des images — car son traitement des PDF s’appuie aussi sur sa vision : mises en page, tableaux et graphiques font partie de ce qu’il lit, pas seulement le texte brut.

Gardez en tête l’arbitrage économique : un long PDF consomme beaucoup de tokens d’entrée, à chaque requête qui l’inclut. Pour poser trois questions sur un rapport, le joindre trois fois reste raisonnable ; pour interroger une bibliothèque entière de documents, le RAG vu dans la section précédente redevient la bonne architecture — et pour des questions répétées sur le même gros document, le prompt caching qui arrive bientôt changera l’équation.

Le traitement PDF devient encore plus puissant combiné avec les citations — l’objet de la prochaine leçon : Claude pourra alors référencer les passages précis du document qui fondent chacune de ses affirmations, transformant un simple résumé en réponse vérifiable.

Points clés à retenir

• Même structure que les images, avec un bloc "document" : format, nom, octets bruts (pas de base64 à gérer)
• Le champ "name" identifie le document — essentiel avec plusieurs PDF et pour les citations
• Claude lit le texte, mais aussi la mise en page, les tableaux et les images du PDF
• Un gros PDF se refacture à chaque requête : au-delà de quelques questions, pensez RAG ou caching
• Prochaine étape : les citations, pour ancrer chaque réponse dans les passages exacts du document