Conversion d’Ami Pro .SAM en HTML pour les intranets et le Web

TL;DR

Choisissez HTML lorsque l'objectif est l'accès plutôt que l'édition. Pas de licence, pas de plugin, pas de demande de téléchargement — une page HTML s'ouvre instantanément pour tout le monde, sur n'importe quel appareil, et est correctement indexée par la recherche d'entreprise. Les titres Ami Pro deviennent de vrais éléments de titre, les tableaux deviennent de vrais tableaux, et les diagrammes récupérés sont écrits sous forme de fichiers image liés. Reproduisez la structure de votre dossier source et l'organisation existante de l'archive devient votre structure d'URL. Convertissez avec Ami Pro Converter.

Pourquoi HTML est sous-estimé pour les archives hérité

La plupart des projets de conversion se limitent par défaut à PDF et s'arrêtent là. Cela produit un enregistrement correct mais une mauvaise expérience : le personnel doit trouver le fichier, le télécharger, attendre un lecteur, puis rechercher à l'intérieur d'un seul document à la fois. Multipliez cela par un archive de 3 000 documents et la réponse pratique à la question « pouvons-nous lire les anciennes politiques ? » reste non.

HTML supprime chaque étape. Un lien s'ouvre instantanément dans le navigateur que tout le monde possède déjà, sur un ordinateur portable ou un téléphone, sans vérification de licence et sans téléchargement. Pour une base de connaissances interne, cette différence de friction est la différence entre une archive que les gens utilisent et une archive que les gens ignorent.

HTML est également le format le mieux adapté pour la recherche en entreprise. Les robots d'indexation le comprennent nativement, les titres donnent une véritable structure à l'index, et les pages peuvent être liées et citées par URL — ce qui signifie que les anciens documents peuvent enfin participer au même graphe de connaissances que tout ce qui a été écrit depuis.

Comment la structure Ami Pro devient HTML

Les styles de paragraphe résolus à partir de la feuille .STY correspondent aux éléments de titre et de paragraphe
Les tables deviennent de vraies tables HTML, afin qu'elles restent lisibles et lisibles par machine
Les listes deviennent des éléments de liste ordonnée et non ordonnée plutôt que des caractères de puce typés
Le formatage en ligne correspond à l'emphase standard, la mise en valeur forte et le balisage d'alignement vertical
Les diagrammes WMF/EMF récupérés sont écrits sous forme de fichiers image et référencés depuis la page
Les équations sont rendues sous forme d'images, avec LaTeX disponible là où vous souhaitez un rendu côté client

Planifiez vos URL à partir de la structure des dossiers

Les archives héritées portent généralement du sens dans leur organisation de répertoires : par année, par département, par client, par numéro d'affaire, par comité. Cette hiérarchie constitue un savoir institutionnel, et la jeter aplatit des milliers de documents en un tas indifférencié.

Activer la mise en miroir de la structure des dossiers lors de la conversion et l'arborescence de sortie correspond à l'arborescence source. À partir de là, la cartographie vers les URL est mécanique, et un chemin comme /archive/1994/planning-committee/minutes-march.html est auto-descriptif d'une manière qu'un identifiant de document ne l'est jamais.

Faites le nettoyage volontairement à ce stade, car c'est le moins cher que cela sera jamais. Normalisez les noms de fichiers en minuscules, remplacez les espaces par des traits d'union, supprimez les abréviations de l'époque DOS lorsque vous pouvez les décoder, et gardez un tableau de correspondance du nom de fichier original à l'URL publiée. Ce tableau est ce qui vous permet de répondre « où est passé MINUTES3.SAM ? » un an plus tard.

Gestion des images et des ressources

1. Garder les images à côté de leurs pages

Les diagrammes extraits et les images d'équations sont écrits à côté du HTML. Conservez cette relation lorsque vous publiez — déplacer des pages sans leurs éléments est la manière la plus courante de voir un archive publié plein d'images cassées.

2. Vérifiez les plus grands diagrammes

WMF et EMF sont des formats vectoriels, donc des dessins complexes peuvent se rasteriser plus grands que prévu. Échantillonnez les plus grandes images et confirmez qu'elles sont lisibles à la largeur à laquelle votre modèle intranet les rend réellement.

3. Donnez aux images de vrais textes alternatifs là où cela compte

Un convertisseur ne peut pas inventer de descriptions. Pour les documents à fort trafic ou juridiquement importants, ajoutez du texte alternatif lors de la révision ; les exigences d'accessibilité n'exemptent pas les archives.

4. Décider du rendu des équations

Les images rendues fonctionnent toujours. Si votre intranet peut charger un moteur de rendu mathématique, le LaTeX extrait donne des formules plus nettes, sélectionnables et recherchables — cela vaut le coup pour les archives techniques, inutile pour les archives administratives.

Rendre l'archive consultable

Une fois que l'archive est HTML, votre infrastructure de recherche existante fait la majeure partie du travail. Un explorateur SharePoint, un index Elasticsearch ou un plugin de recherche pour site statique indexeront tous les pages sans traitement particulier, et les titres donnent à l'index suffisamment de structure pour retourner des extraits cohérents plutôt que des fragments au milieu des phrases.

Ajoutez une petite quantité de métadonnées lors de la publication et le résultat se multiplie. Même un titre, une date et un champ de département source par page transforment une recherche en texte intégral plate en quelque chose que vous pouvez filtrer — ce que les gens veulent réellement lorsqu'ils recherchent un mémo de 1997.

Si vous créez également un indice de récupération IA sur l'archive, convertissez en Markdown dans la même exécution plutôt que de scraper votre propre HTML plus tard. Les Markdown se découpent plus proprement, coûtent moins de tokens et conservent les équations en LaTeX.

Publier HTML, garder PDF

HTML et PDF répondent à des questions différentes, et le schéma logique est de produire les deux à partir d’un seul passage de conversion. HTML est pour l’accès : rapide, consultable, cliquable, adapté aux mobiles. PDF est pour l’archive : pagination fixe, citable, stable, approprié lorsque quelqu’un a besoin de savoir exactement à quoi ressemblait le document.

Publiez le HTML sur l'intranet et faites un lien vers le PDF depuis chaque page sous « télécharger l'enregistrement original ». Les lecteurs obtiennent la version sans friction, les services des archives et juridiques obtiennent la version corrigée, et personne n'a à discuter du format que doit avoir l'archive.

Conservez les originaux .sam et leurs feuilles de style quoi qu'il arrive. Le site publié est un dérivé ; les documents source restent l'autorité.

Pourquoi le HTML rend une archive exploitable

S’ouvre instantanément pour tout le monde : ni licence, ni module externe, ni téléchargement
Correctement indexé par les moteurs de recherche d’entreprise, les titres apportant la structure
Des pages accessibles et citables par URL : les anciens documents rejoignent la base de connaissances
L’arborescence des dossiers peut devenir celle des URL, en préservant le contexte de l’organisation
Produit avec le PDF et le Markdown en une seule passe de conversion hors ligne

L'accès est le point

Une archive convertie que personne n'ouvre n'est que marginalement mieux qu'une archive non convertie. HTML est le format qui supprime toutes les excuses : un clic, n'importe quel appareil, recherche en texte intégral, accessible depuis les pages que les gens lisent déjà.

Miroitez la structure des dossiers, conservez les images extraites avec leurs pages, publiez les PDFs en parallèle pour le registre, et laissez vos outils de recherche indexer le tout. Des décennies de documents Ami Pro cessent d'être une archive et deviennent une ressource.