Convertir EPUB en Markdown en ligne gratuitement

EPUB en Markdown : un livre qui garde ses chapitres

Renommez un .epub en .zip et décompressez-le. Vous y trouverez un dossier de fichiers XHTML, une ou deux feuilles de style, quelques images, et un manifeste nommé content.opf qui recense chaque pièce et déclare l'ordre dans lequel on les lit. Voilà tout le format. Un EPUB n'est pas un blob binaire mystérieux : c'est un petit site web dans un sac, avec une table des matières câblée dedans.

Ce qui en fait une matière première remarquablement docile. Quand vous convertissez un EPUB en Markdown, vous ne devinez pas la structure comme il faut le faire avec un PDF. Les titres étaient déjà des titres. Le chapitre premier était déjà un document séparé. L'ordre de lecture était déclaré, pas déduit. Déposez un fichier dans le convertisseur ci-dessus et vous récupérez une version Markdown du livre, hiérarchie intacte — gratuit, sans inscription, 50 Mo maximum, rien n'est gardé de notre côté.

Pourquoi la structure survit si bien

Trois éléments du conteneur font le gros du travail, et il vaut la peine de savoir ce que chacun apporte :

• Les fichiers de contenu XHTML. Du vrai balisage sémantique — <h1>, <h2>, <blockquote>, <ol>. Ça se transpose en Markdown presque à l'identique. Un titre de chapitre devient #, une section devient ##, une citation détachée devient >, l'italique d'un titre d'ouvrage reste en italique.
• Le spine. Le fichier OPF liste les documents dans l'ordre de lecture, si bien que les chapitres ressortent correctement enchaînés même quand les noms de fichiers internes sont des choses aussi parlantes que part0009.xhtml.
• Le document de navigation. La table des matières du livre lui-même. C'est grâce à lui que les titres de chapitres survivent comme titres au lieu d'arriver sous forme de ligne anonyme en gras.

Conséquence pratique : le Markdown que vous récupérez se parcourt. Vous pouvez descendre au chapitre 12, le découper et coller uniquement celui-là dans un modèle. Essayez la même chose avec un pavé de texte plat de 400 pages et vous en serez à grep et beaucoup d'espoir.

Ce qui mérite un deuxième coup d'œil

Rien ici n'est rédhibitoire, mais survoler la sortie à la recherche de ces points prend une minute et évite des confusions plus tard.

• Les pages liminaires et finales font le voyage. Page de copyright, dédicace, « du même auteur », remerciements, bouts d'index. Dans un usage d'étude, ce sont quelques milliers de tokens pour rien. Supprimez-les avant de coller.
• Les notes de bas de page et de fin sont déplacées. Dans la source, ce sont des liens vers un fichier de notes situé à la fin du livre. Dans un Markdown au fil du texte, elles se regroupent en fin de chapitre ou apparaissent en simples numéros à l'endroit de l'appel. Pour un roman, sans importance. Pour une monographie universitaire où la moitié de l'argument vit dans les notes, vérifiez où elles ont atterri avant de construire quoi que ce soit dessus.
• Les images ne deviennent pas du texte. Couverture, schémas et cartes sont des fichiers dans l'archive, pas des mots. Il n'y a pas d'OCR ici : les légendes d'un schéma n'apparaîtront donc pas. Si une figure porte l'explication, il vous faudra l'original à côté.
• Les niveaux de titres peuvent être incohérents. Certains éditeurs marquent chaque chapitre en <h1>, d'autres réservent <h1> aux parties et <h2> aux chapitres, et quelques-uns se contentent de balises <p> stylées sans aucun vrai titre. Ce dernier cas est rare, mais c'est celui qui donne une conversion toute plate à partir d'un livre qui a manifestement des chapitres.
• Lettrines et débuts en petites capitales. Un chapitre qui s'ouvre sur un grand « I » décoratif peut ressortir en caractère isolé sur sa propre ligne. Cosmétique, et facile à repérer.

Les DRM bloquent tout — à lire avant de téléverser

La plupart des EPUB achetés en boutique commerciale sont protégés par des DRM. Les fichiers de contenu à l'intérieur du conteneur sont chiffrés, et un encryption.xml posé à côté du manifeste le dit explicitement. Aucun convertisseur ne peut les lire, et celui-ci pas davantage. Si vous téléversez un livre protégé, vous obtiendrez une erreur ou un résultat vide : c'est le fichier qui est en cause, pas l'outil.

Cela dit, les EPUB sans DRM ne manquent pas. Project Gutenberg, Standard Ebooks, la plupart des éditeurs techniques, les presses universitaires, les publications sous Creative Commons, tout ce que vous avez exporté vous-même depuis un outil d'écriture, et une bonne part des libraires indépendants qui vendent des fichiers non verrouillés par principe. Ceux-là se convertissent sans histoire.

Sur la question évidente : convertir un livre que vous possédez pour l'étudier relève de l'usage personnel ordinaire ; republier le texte protégé de quelqu'un d'autre est une tout autre affaire. C'est le seul conseil à donner.

Un livre entier ne rentrera pas — travaillez chapitre par chapitre

Un roman complet tourne autour de 100 000 mots, et un essai dense peut faire le double. Converti en tokens, c'est bien au-delà de ce que la plupart des modèles avalent d'un coup, et même ceux à long contexte deviennent nettement plus flous à mesure qu'on les remplit. L'attention se disperse. Les détails du milieu passent à la trappe.

C'est exactement là que le Markdown justifie sa place face au texte plat. Comme les titres de chapitres survivent, vous pouvez découper le fichier proprement et travailler un chapitre à la fois :

• Résumez chaque chapitre séparément, puis redonnez les résumés comme un seul document court et demandez le fil directeur de l'ouvrage entier.
• Construisez une fiche de révision par chapitre — thèses principales, termes, questions — et assemblez le tout en une seule référence.
• Posez des questions précises sur un seul chapitre, pour que la réponse du modèle vienne de 6 000 mots plutôt que d'être diluée dans 150 000.
• Commencez par transformer l'arborescence des titres en plan. C'est le moyen le plus rapide de décider quels trois chapitres comptent vraiment pour ce que vous faites.

Le compteur de tokens sous la sortie est le signal utile ici. Il vous dit avant de coller si vous avez affaire à un travail à l'échelle du chapitre ou à l'échelle du livre.

L'EPUB face au PDF du même livre

Si vous avez les deux, prenez l'EPUB. À chaque fois. Les deux formats résolvent des problèmes opposés, et ça se voit dans la sortie.

Un PDF est à mise en page fixe : des glyphes épinglés à des coordonnées sur une page qui ne change jamais de taille. Extraire, c'est reconstruire des phrases à partir de positions, déduire les titres des corps de police et deviner si deux colonnes doivent s'entrelacer. Les en-têtes courants et les numéros de page atterrissent au milieu des paragraphes. PDF vers Markdown s'en sort très bien, mais c'est du travail de reconstitution.

L'EPUB, lui, est reformatable. Il n'y a pas de page, donc pas de mobilier de page à retirer ni de géométrie de colonnes à démêler. La structure est énoncée plutôt que sous-entendue. La seule chose que le PDF retient mieux, c'est la mise en page typographique précise — tableaux complexes, encadrés placés au millimètre, tout ce où la disposition sur la page fait partie du sens. Pour de la prose, l'EPUB gagne largement.

À quoi ça sert vraiment

• Étudier un livre technique. Convertissez un titre du genre O'Reilly, gardez le chapitre sur lequel vous travaillez, et associez-le à votre dépôt GitHub converti en texte pour qu'un assistant voie la théorie et votre code réel en même temps.
• Se constituer une référence personnelle. La hiérarchie des titres rend les livres convertis explorables dans Obsidian, un wiki, ou un simple dossier de fichiers .md — d'une manière dont une bibliothèque de liseuse est incapable.
• Avancer dans une bibliographie de cours. Des résumés au niveau du chapitre et des questions d'entraînement générées, traçables jusqu'à la section dont elles viennent.
• Travail éditorial. Auteurs et correcteurs exportent un EPUB depuis Scrivener ou Vellum, le convertissent, et obtiennent une copie du manuscrit qu'on peut differ et versionner.

Si vous voulez plutôt le livre entier comme un flux de prose ininterrompu — pour des embeddings, un calcul de lisibilité, ou l'indexation d'une étagère complète d'un coup — EPUB vers texte conviendra mieux. Le sélecteur de format en haut de cette page bascule entre les deux en conservant le fichier déjà sélectionné : comparer les deux sorties coûte un clic, pas un second téléversement.

Questions fréquentes

Comment convertir un EPUB en Markdown ?

Téléversez le .epub ci-dessus et le livre revient en Markdown, structure de titres intacte, téléchargeable en .md. Gratuit, 50 Mo par fichier, sans inscription. Comme l'EPUB est du XHTML sous le capot, il s'agit d'une conversion qui préserve la structure et non d'une extraction avec pertes — c'est le format qui se convertit le mieux de tous ceux proposés ici.

Pourquoi l'EPUB se convertit-il en Markdown aussi proprement ?

Parce que la source est déjà du balisage sémantique. Un EPUB est une archive de fichiers XHTML où un titre de chapitre est réellement un <h1> et où une mise en valeur est réellement un <em> : la structure est consignée, pas suggérée par l'apparence. La faire correspondre au Markdown tient de la traduction directe, et c'est pourquoi titres, listes, citations et italiques survivent tous.

Les titres de chapitres deviennent-ils des titres Markdown ?

Oui, au niveau où le livre les a déclarés : un ouvrage organisé en parties et en chapitres produit donc un plan imbriqué plutôt qu'un plan à plat. La sortie devient réellement navigable — vous pouvez la replier dans un éditeur, pointer un lien sur une section, ou interroger un modèle sur un chapitre précis et le voir trouver le bon endroit.

Les livres protégés par DRM sont-ils pris en charge ?

Non. Les fichiers chiffrés de Kindle ou d'Apple Books ne contiennent aucun contenu lisible tant que l'application de lecture qui les possède ne les a pas déchiffrés : la conversion ne renvoie donc rien. Les EPUB sans DRM — Gutenberg, Standard Ebooks, la plupart des éditeurs techniques, vos propres manuscrits — fonctionnent sans traitement particulier.

Est-ce utile pour bâtir un corpus RAG à partir de livres ?

C'est le meilleur point de départ des deux formats. La structure des titres vous donne des frontières de découpage naturelles : vous pouvez segmenter par chapitre ou par section plutôt que sur un nombre de caractères arbitraire qui coupe au milieu d'un raisonnement. Si votre découpeur préfère de la prose nue, EPUB vers texte se passe de la syntaxe.

Le reste de la boîte à outils

L'EPUB est l'un des treize formats traités ici. File2Txt les prend tous depuis un seul téléversement si vous préférez ne pas choisir de page. Pour les manuscrits et les rapports, il y a Word vers Markdown, pour les vieux documents en texte enrichi RTF vers Markdown, et pour les pages web enregistrées HTML vers Markdown. Une étagère de livres réunie dans une archive passe par ZIP vers Markdown en une seule fois.

Vous travaillez sur du code ou sur le web en direct ? Convertissez un projet GitLab ou un dossier de votre machine, ou pointez Web2Txt sur une URL. Le guide de préparation des documents pour les LLM donne la forme générale de tout ça.

Repo2Txt est conçu et maintenu par v12hero, un développeur indépendant qui crée des applications natives et web respectueuses de la vie privée.