Vous téléchargez un contrat de 50 pages dans ChatGPT et demandez : « Quelles sont les clauses de résiliation ? » Il vous donne trois points — dont deux sont incorrects. Vous essayez avec Claude. Il rate complètement la section. Vous essayez DeepSeek. Il invente une clause qui n'existe pas.
Le problème n'est pas votre prompt. C'est comment vous alimentez le document à l'IA.
La plupart des gens téléchargent des PDFs bruts et s'attendent à des résultats parfaits. Mais les PDFs bruts sont pleins de bruit binaire, de tableaux cassés et d'artefacts de formatage qui confondent chaque modèle d'IA — de ChatGPT et Claude à DeepSeek, Qwen, Gemini, et même le nouveau GLM-5.2 avec sa massive fenêtre de contexte de 1M de tokens.
Ce guide vous montre exactement comment préparer les documents et structurer les prompts pour obtenir des résultats précis et fiables de chaque modèle d'IA majeur.
Modèles Couverts dans Ce Guide
Étape 1 : Convertir Votre Document en Markdown (Avant Tout)
C'est la chose la plus impactante que vous puissiez faire. Avant d'écrire un seul prompt, convertissez votre PDF en Markdown. Voici pourquoi :
- 70% de tokens en moins — un PDF de 28 000 tokens devient un fichier Markdown de 8 500 tokens
- Les tableaux survivent intacts — les tableaux PDF sont visuels ; les tableaux Markdown sont des données structurées
- Les titres sont sémantiques —
## Clauses de résiliation est non ambigu ; le texte en gras grand ne l'est pas - Pas de bruit binaire — les fichiers de polices, données de positionnement et métadonnées de rendu sont supprimés
Utilisez le convertisseur gratuit d'Inputo — téléchargez votre PDF, obtenez du Markdown propre en quelques secondes. Sans inscription, sans limites.
Astuce : Même si le modèle d'IA accepte les téléchargements de PDF (ChatGPT, Claude et Gemini le font), convertir en Markdown d'abord produit systématiquement des résultats plus précis — surtout pour les tableaux et données structurées.
Étape 2 : Choisir la Bonne Stratégie Selon la Longueur du Document
Comment vous alimentez le document dépend de sa longueur et du modèle utilisé :
| Longueur du document | Stratégie | Meilleurs modèles |
|---|---|---|
| 1–5 pages | Coller tout le Markdown directement | N'importe quel modèle |
| 5–30 pages | Coller les sections pertinentes avec titres de contexte | ChatGPT, Claude, DeepSeek, Qwen |
| 30–200 pages | Découper par section, traiter itérativement | Claude (200K), GLM-5.2 (1M), Gemini (1M) |
| 200+ pages | Document complet uniquement sur modèles 1M+ contexte | GLM-5.2 (1M), Gemini (1M+) |
Pour les Documents Courts (1–5 Pages)
Collez tout le Markdown dans le chat. Ajoutez un prompt clair à la fin :
Voici un contrat au format Markdown :
[coller le Markdown]
Extrayez toutes les clauses de résiliation. Pour chaque clause, fournissez : (1) le numéro de clause, (2) les conditions de résiliation, (3) le délai de préavis requis, et (4) toute pénalité. Format : tableau.
Pour les Documents Moyens (5–30 Pages)
Ne collez pas tout. Extrayez d'abord les sections pertinentes, puis collez-les avec les titres de section comme contexte :
Je vais partager des sections d'un contrat de travail de 20 pages. Chaque section sera précédée de son titre pour le contexte.
## Section 4 : Résiliation
[coller la section]
## Section 7 : Non-concurrence
[coller la section]
En vous basant sur ces sections, résumez les obligations de l'employé s'il démissionne dans la première année.
Pour les Documents Longs (30–200 Pages)
Utilisez une stratégie de découpage. Divisez le document en sections logiques et traitez chacune avec un modèle de prompt cohérent :
Vous analysez un rapport financier de 100 pages. Je vous enverrai les sections une par une. Pour chaque section, extrayez : métriques clés, changements d'une année sur l'autre, et tout facteur de risque mentionné.
Après avoir traité toutes les sections, je vous demanderai un résumé.
---
SECTION 1 : Résumé Exécutif
[coller la section]
Puis envoyez les sections suivantes avec « SECTION 2 : », « SECTION 3 : », etc. À la fin, demandez l'analyse consolidée.
Pour les Très Longs Documents (200+ Pages)
Seuls deux modèles peuvent gérer cela en un seul passage :
- GLM-5.2 (Zhipu AI) — contexte de 1M de tokens, licence MIT, open-weight. Sorti en juin 2026, il est déjà appelé « le moment ChatGPT pour l'IA locale ». Il surpasse Claude Opus 4.8 et GPT-5.5 sur les tâches de code longue portée.
- Gemini 2.5 Pro (Google) — contexte de 1M+ tokens. Excellent pour l'analyse de documents avec sa fenêtre massive.
Pour les autres modèles, vous aurez besoin de la stratégie de découpage ci-dessus, ou vous pouvez utiliser Markdown pour réduire l'utilisation de tokens suffisamment pour faire entrer plus de contenu dans le contexte.
Étape 3 : Écrire des Prompts qui Préviennent les Hallucinations
Le plus grand risque lors de l'utilisation de documents avec l'IA est l'hallucination — le modèle invente des informations qui ne sont pas dans le document. Voici comment l'éviter :
La Règle « Uniquement de Ce Document »
Dites toujours au modèle d'utiliser UNIQUEMENT le document fourni. Cette seule phrase élimine la plupart des hallucinations :
Répondez UNIQUEMENT en vous basant sur le document fourni ci-dessous. Si l'information n'est pas dans le document, dites « Cette information n'est pas dans le document fourni. » N'utilisez pas de connaissances externes.
La Technique « Citez Vos Sources »
Demandez au modèle de citer le texte exact sur lequel il base chaque réponse :
Pour chaque réponse, incluez la citation exacte du document qui soutient votre réponse. Format : Réponse : [votre réponse] | Source : « [citation exacte du document] »
Le Prompt de « Score de Confiance »
Pour les documents critiques (juridiques, financiers, médicaux), demandez des niveaux de confiance :
Analysez cette clause du contrat. Pour chaque point extrait, évaluez votre confiance : ÉLEVÉE (explicitement stated), MOYENNE (fortement implicite), ou FAIBLE (inféré). Signalez tout élément de confiance FAIBLE pour revue humaine.
Étape 4 : Optimisation Spécifique par Modèle
🇺🇸 ChatGPT (GPT-4o, o3)
Forces : Excellent pour suivre les prompts structurés, bon pour l'extraction de tableaux Markdown.
Faiblesse : A tendance à résumer au lieu d'extraire verbatim. Peut manquer des détails dans les longs documents.
Optimisation : Utilisez « Ne résumez pas. Extrayez verbatim. » dans votre prompt. Pour les tableaux, spécifiez le format exact de sortie voulu.
Extrayez toutes les lignes de cette facture. NE résumez PAS. Sortie sous forme de tableau Markdown avec colonnes : Article | Quantité | Prix Unitaire | Total. Incluez chaque ligne.
🇺🇸 Claude (Opus 4.8, Sonnet 4.6)
Forces : Fenêtre de contexte de 200K, excellent en analyse nuancée, suit les instructions complexes avec précision.
Faiblesse : Peut être excessivement verbeux. Ajoute parfois des avertissements au lieu de réponses directes.
Optimisation : Utilisez des instructions explicites de format de sortie. Claude répond bien aux balises de style XML pour structurer l'entrée/sortie.
<document>
[coller le Markdown]
</document>
<tache>Extrayez tous les termes de paiement du document ci-dessus. Format : liste numérotée. Chaque élément : [référence de clause] — [termes]. Max 200 mots au total.</tache>
🇨🇳 DeepSeek (V3, R1)
Forces : Fort raisonnement (surtout R1), excellent avec le contenu technique et structuré, plan gratuit disponible.
Faiblesse : Peut avoir du mal avec le langage juridique nuancé. Priorise parfois la vitesse sur la précision.
Optimisation : DeepSeek a été fortement entraîné sur GitHub et la documentation technique, il gère donc Markdown exceptionnellement bien. Utilisez des prompts étape par étape pour les analyses complexes.
Analysez cette spécification technique étape par étape :
1. D'abord, identifiez toutes les exigences de performance
2. Ensuite, comparez chaque exigence aux résultats de test
3. Enfin, listez toute exigence qui n'est PAS respectée, avec le manquement spécifique
[coller le Markdown]
🇨🇳 GLM-5.2 (Zhipu AI) — Le Nouveau Prétendant
Forces : Fenêtre de contexte de 1M de tokens (plus grand modèle open-weight), licence MIT, surpasse Claude Opus 4.8 et GPT-5.5 sur les tâches longue portée. Peut traiter des livres entiers en un seul passage. S'exécute localement sur un seul Mac.
Faiblesse : Modèle plus récent — moins de connaissances communautaires en ingénierie de prompts. Conception orientée code signifie qu'il peut avoir besoin de plus de guidance pour les tâches de rédaction créative.
Optimisation : GLM-5.2 brille avec les longs documents. Son contexte de 1M signifie que vous pouvez coller des rapports entiers sans découpage. Utilisez des prompts de raisonnement explicite — il a des modes de raisonnement sélectionnables qui activent une analyse plus profonde.
Vous analysez un manuel technique de 200 pages. Le document complet est fourni ci-dessous au format Markdown.
[coller tout le Markdown — GLM-5.2 peut le gérer]
Tache : Créez un index complet de tous les avertissements de sécurité dans ce document. Pour chaque avertissement, fournissez : (1) numéro de section, (2) niveau de gravité, (3) texte de l'avertissement, (4) à quel équipement il s'applique.
GLM-5.2 est disponible via le Plan de Codage GLM de Z.AI, OpenRouter, et peut être auto-hébergé. Il est sous licence MIT, donc vous pouvez le déployer sans restrictions. Pour l'analyse de documents, sa fenêtre de contexte de 1M change la donne — plus besoin de découpage.
🇨🇳 Qwen (Qwen3)
Forces : Excellent support multilingue (surtout les langues CJK), bon en extraction structurée.
Faiblesse : Fenêtre de contexte plus petite que GLM-5.2. Peut avoir du mal avec les très longs documents.
Optimisation : Qwen fonctionne mieux avec une structure explicite. Utilisez des listes numérotées et des tableaux dans vos prompts. Pour les documents chinois, Qwen surpasse les modèles occidentaux.
🇺🇸 Gemini 2.5 Pro (Google)
Forces : Contexte de 1M+ tokens, excellentes capacités multimodales (peut lire les images dans les PDFs directement).
Faiblesse : Parfois excessivement prudent — peut refuser d'analyser certains types de documents.
Optimisation : La fenêtre de contexte massive de Gemini signifie que vous pouvez télécharger des documents entiers. Utilisez Google AI Studio pour la meilleure expérience avec les longs documents.
🇨🇳 Kimi (Moonshot AI)
Forces : Fortes capacités de long contexte, bon en analyse de documents chinois et anglais.
Faiblesse : Moins connu internationalement — moins de ressources d'ingénierie de prompts disponibles.
Optimisation : Kimi répond bien aux prompts structurés avec des spécifications claires de format de sortie. Utilisez l'entrée Markdown pour de meilleurs résultats.
🇫🇷 Mistral (Large)
Forces : Efficace, bon avec les langues européennes, fort raisonnement.
Faiblesse : Fenêtre de contexte plus petite que les concurrents. Meilleur pour les documents courts.
Optimisation : Gardez les prompts concis. Mistral fonctionne mieux avec des questions ciblées et spécifiques plutôt que des demandes d'analyse globale.
Étape 5 : Techniques Avancées
La Méthode des « Deux Passages »
Pour les documents critiques, utilisez deux passages :
- Passage 1 — Extraction : « Extrayez tous les points de données clés de ce document dans un tableau structuré. »
- Passage 2 — Vérification : « Vérifiez le tableau ci-dessous par rapport au document original. Signalez toute divergence ou donnée manquante. »
Cela capture les erreurs qu'un seul passage pourrait manquer.
La Technique du « Rôle »
Assignez un rôle spécifique à l'IA pour les documents de domaine spécifique :
Vous êtes un comptable fiscal senior avec 20 ans d'expérience en droit fiscal français. Analysez cette déclaration d'impôt et identifiez toute déduction que le contribuable aurait pu manquer. Référencez les numéros de ligne spécifiques du document.
Le Prompt de « Chaîne de Pensée »
Pour les documents complexes, forcez le modèle à réfléchir étape par étape :
Analysez cette clause du contrat. Réfléchissez étape par étape :
1. D'abord, identifiez les parties concernées
2. Ensuite, identifiez l'obligation décrite
3. Ensuite, identifiez toute condition ou déclencheur
4. Enfin, identifiez les conséquences si l'obligation n'est pas respectée
Montrez votre raisonnement pour chaque étape.
Comparaison de Documents entre Modèles
Pour les documents à enjeux élevés, exécutez le même prompt sur plusieurs modèles et comparez les résultats. Les divergences mettent en évidence les zones qui nécessitent une revue humaine :
| Cas d'utilisation | Meilleur modèle | Pourquoi |
|---|---|---|
| Analyse de contrats | Claude Opus 4.8 | Meilleur avec le langage juridique nuancé |
| Rapports financiers | GPT-4o | Excellent en extraction numérique |
| Manuels techniques (complets) | GLM-5.2 | 1M de contexte — lit le manuel entier d'un coup |
| Documents chinois | Qwen3 | Meilleur support des langues CJK |
| Documents scannés | Gemini 2.5 Pro | Traitement natif images/multimodal |
| Analyse budgétaire | DeepSeek R1 | Fort raisonnement, plan gratuit |
| Documents juridiques européens | Mistral Large | Fort en langues FR/DE/IT/ES |
| Longs rapports chinois | Kimi | Long contexte + excellent chinois |
Erreurs Courantes (Et Comment les Éviter)
❌ Télécharger des PDFs Bruts
La solution : Convertissez toujours en Markdown d'abord. Utilisez le convertisseur gratuit d'Inputo.
❌ Envoyer Tout le Document Quand Vous Avez Besoin d'Une Section
La solution : Extrayez et collez uniquement les sections pertinentes. Cela économise des tokens et améliore la précision.
❌ Prompts Vagues
❌ « Résumez ce document. »
✅ « Extrayez les 3 métriques financières les plus importantes de ce rapport. Pour chacune, fournissez : nom de la métrique, valeur actuelle, valeur de la période précédente, et variation en pourcentage. »
❌ Ne Pas Spécifier le Format de Sortie
❌ « Quels sont les points clés ? »
✅ « Listez les points clés sous forme de liste numérotée. Chaque point : max 2 phrases. Incluez la référence de page/section pour chacun. »
❌ Faire Confiance à la Première Sortie
La solution : Vérifiez toujours les données critiques par rapport au document source. Utilisez la méthode des deux passages pour les analyses critiques.
Le Mot de la Fin
Obtenir d'excellents résultats de l'IA avec des documents ne dépend pas du modèle utilisé — cela dépend de la façon dont vous préparez le document et structurez votre prompt. Les trois règles :
- Convertissez en Markdown d'abord — économise des tokens, préserve la structure, empêche les hallucinations
- Soyez spécifique — dites au modèle exactement quoi extraire et comment le formater
- Vérifiez — vérifiez toujours la sortie IA par rapport au document source pour les données critiques
Que vous utilisiez ChatGPT, Claude, DeepSeek, le nouveau GLM-5.2, Qwen, Gemini, ou tout autre modèle — ces principes fonctionnent sur tous.
Commencez avec le Bon Format — Gratuit
Convertissez votre PDF en Markdown en quelques secondes. Sans inscription, sans limites, sans filigrane. Fonctionne avec chaque modèle d'IA.
Convertir PDF en Markdown →Lectures complémentaires : Convertisseur PDF vers Markdown Gratuit pour Chaque IA · Pourquoi Markdown Est le Meilleur Format pour l'IA