markitdown : aiguillage des documents non-markdown

Ce skill est le point d'entrée obligé pour tout document non-markdown. Une fois ouvert, ne pas
revenir en arrière avant d'avoir (1) classé le besoin, (2) émis l'annonce, (3) continué ou arrêté en
conséquence. Il évite de dépenser du contexte pour rien : lire du binaire brut, ou déverser un PDF
entier quand trois pages suffisaient.

Étape 1 : source de contenu, ou opération sur le fichier ?

La question n'est PAS « quel type de fichier ? » mais « le document est-il une source de contenu,
ou l'objet du travail ? ».

• Source de contenu. Ce qui compte est ce qui est écrit dedans : y chercher une information,
  citer, résumer, ou produire quelque chose à partir du fond (un article, une réponse, une fonction
  fondée sur une norme ou une spécification fournie en PDF).
• Opération sur le fichier. Le travail porte sur le fichier lui-même : l'éditer, le compresser,
  le convertir vers un autre format, ou l'expertiser (métadonnées, structure interne, signatures,
  outil qui l'a produit). Le fond textuel n'entre pas en ligne de compte.

Étape 2 : annoncer la décision (une ligne, dans LES DEUX cas)

Avant de continuer ou de s'arrêter, émettre une ligne entre crochets, télégraphique, qui dit le cas
et la décision :

• [recherche d'info dans le PDF => markitdown]
• [inspection du générateur du PDF => PAS de markitdown]
• [compression du PDF => PAS de markitdown]

Étape 3 : brancher

• Source de contenu : continuer. Convertir, puis exploiter le Markdown (section suivante).
• Opération sur le fichier : s'arrêter. Ne rien convertir, ce serait hors sujet et coûteux.
  Traiter la demande avec les outils dédiés (pdfinfo, exiftool, qpdf, pikepdf, ghostscript…).

Convertir, puis lire

Un document réel est souvent volumineux : un PDF de 200 pages donne plus de 30 000 lignes de
Markdown. Le convertir vers un fichier, puis lire ce fichier :

to-md <fichier> [sortie.md]

• Sans second argument : écrit <dossier temporaire>/<nom>.md. La commande affiche le chemin du
  fichier produit, son nombre de lignes et de mots.
• Lire ensuite ce .md avec l'outil de lecture de fichiers. Au-delà de 1 500 lignes environ, ne pas
  le charger en entier : chercher dedans (grep -n), puis lire les tranches utiles.
• Fichier court, réponse immédiate (un CSV de quelques lignes, un .docx d'une page) :
  to-md --stdout <fichier> écrit le Markdown directement. En cas de doute sur la taille, passer
  par le fichier : le nombre de lignes dit s'il peut être chargé d'un coup.

to-md introuvable : essayer ~/.local/bin/to-md (dossier absent du PATH). to-md qui répond
« environnement markitdown absent » (code 3), ou absent partout : l'outil n'est pas installé sur
cette machine, voir « Installer » plus bas. Ne pas contourner en lisant le binaire.

Formats

Pris en charge	Remarque
PDF	texte seulement : un PDF scanné (images de pages) ne donne rien d'utile sans OCR
Word .docx, PowerPoint .pptx	titres, listes et tableaux conservés ; mise en page perdue
Excel .xlsx, .xls	une section Markdown par feuille
Outlook .msg	en-têtes et corps
HTML, CSV, JSON, XML, EPUB
ZIP	parcourt l'archive et convertit chaque fichier reconnu
images	métadonnées seulement ; pour voir une image, la lire avec l'outil de lecture d'images

Non installés par défaut (dépendances lourdes) : transcription audio, sous-titres YouTube, Azure
Document Intelligence. Les ajouter : relancer install.sh avec MARKITDOWN_SPEC='markitdown[all]'.

Limites

• Lecture seule. markitdown extrait ; il n'édite pas et ne produit ni PDF ni .docx.
• Mise en page perdue. Tableaux complexes, colonnes multiples, en-têtes et pieds de page peuvent
  sortir aplatis ou dans le désordre. Un chiffre lu dans un tableau converti se vérifie sur sa ligne
  et sa colonne avant d'être cité.
• Aucun réseau à l'usage. La conversion est locale ; le document ne quitte pas la machine.

Installer

• Claude Code, plugin markitdown de la marketplace remia-tooling : rien à faire. Le plugin
  crée l'environnement Python et pose to-md au premier démarrage de session qui suit son
  installation. Environnement absent malgré cela : remia-tooling status, puis
  "$(remia-tooling path)/markitdown/install.sh".
• Tout autre agent, ou sans plugin : suivre INSTALL.md du dossier markitdown du dépôt
  remia-tooling. En bref : ./install.sh (Python 3.10 ou plus récent, sans sudo).

Contrôle : to-md --version donne la version de to-md et celle de markitdown.