"Word found unreadable content"

Depuis Word 2007, .docx utilise le format Office Open XML (OOXML), empaqueté selon les Open Packaging Conventions. Renommez-en un en .zip et vous pourrez regarder à l'intérieur : vous y trouverez [Content_Types].xml, un plan _rels/.rels, et le dossier word/ qui contient document.xml (le texte réel et la structure des paragraphes), styles.xml, settings.xml, fontTable.xml, un dossier word/media/ pour les images, et word/_rels/document.xml.rels qui relie le tout.

Le cœur du fichier est word/document.xml. Chaque paragraphe est un <w:p>, chaque fragment de texte un <w:r> qui enveloppe un <w:t>. Le XML est strict : une seule balise non fermée, un octet parasite, ou un flux qui s'interrompt au milieu d'un élément rend toute la partie impossible à analyser. Word est intraitable ici, et c'est voulu — plutôt que d'afficher en silence la moitié d'un document, il s'arrête et propose la récupération. L'erreur a donc deux causes racines fréquentes : le conteneur ZIP lui-même est endommagé (une copie défectueuse, une synchronisation qui a corrompu des octets), ou une partie XML — normalement document.xml — est mal formée ou tronquée.

Comme le format est structuré en couches, la réparation opère à deux niveaux. D'abord l'outil traite le fichier comme un ZIP et reconstruit la structure du paquet — en réparant le répertoire, en relisant chaque partie stockée et en réassemblant une archive bien formée. Ensuite il répare les parties OOXML à l'intérieur : il revalide document.xml et ses semblables, ferme les structures restées ouvertes et écarte les fragments impossibles à sauver, pour que le texte restant s'analyse sans accroc.

En pratique, cela récupère le texte du corps et une bonne partie de la mise en forme — les styles de paragraphe, les titres, les tableaux et les listes qui avaient été entièrement écrits survivent car ils se trouvent tous dans document.xml et styles.xml. Les images incorporées passent généralement bien : elles vivent comme des fichiers indépendants sous word/media/ (PNG, JPEG, etc.), si bien qu'un dommage au XML du texte ne les touche pas, et une image dont la partie est intacte est simplement reportée dans le paquet reconstruit. Tout cela se passe dans l'onglet de votre navigateur — sans installation de Word, sans complément, sans aller-retour vers un serveur.

La réparation récupère ce qui est présent ; elle ne peut pas reconstruire du texte qui n'a jamais été écrit sur le disque. Si document.xml a été tronqué — l'enregistrement ou la copie s'est arrêté en cours de route — tout ce qui suit le point de rupture a disparu, et l'outil ne peut renvoyer que les paragraphes jusqu'à cette coupure. C'est le plafond honnête de toute récupération de ce fichier, la nôtre comme celle de Word lui-même.

Certaines constructions plus riches sont aussi plus fragiles que les paragraphes ordinaires. Les champs complexes (renvois qui se mettent à jour automatiquement, certains champs de formulaire) et le suivi des modifications portent un balisage supplémentaire qui, s'il tombe du côté endommagé, peut être perdu ou aplati même quand le texte alentour survit. Quand cela arrive, vous conservez en général le texte lisible et perdez le mécanisme, pas le document entier. Pour tout ce qui est confidentiel — contrats, notes médicales, travaux non publiés — le fait que la réparation reste sur l'appareil est justement l'essentiel : vous pouvez confirmer dans l'onglet Réseau qu'aucun octet du .docx n'est jamais envoyé.