HTML vers Markdown
Collez du HTML, téléchargez un fichier .html, ou entrez une URL et récupérez du Markdown propre - titres, listes, tableaux, liens, blocs de code et mises en emphase intacts, avec navigation, publicités, bandeaux de cookies et scripts automatiquement retirés. Conçu pour transmettre une page web à ChatGPT, Claude ou un pipeline RAG sans gaspiller la fenêtre de contexte sur du balisage ; sur un article Wikipedia typique, par exemple, l'outil transforme environ 78 000 tokens de HTML brut en moins de 9 000 tokens de Markdown.
Pourquoi le HTML est si coûteux à coller dans une IA
Sur une page web moderne typique, les mots lisibles ne représentent qu'une petite fraction du fichier. Le reste, ce sont des balises, des attributs de classe, des styles en ligne, des chemins d'icônes SVG, des blocs JSON et des balises de script - qui coûtent tous des jetons sans rien apporter d'utile à un modèle de langage. Sur l'article Wikipédia consacré à Markdown, par exemple, ce convertisseur transforme environ 78 000 jetons de HTML brut en moins de 9 000 jetons de Markdown qui se lit mieux.
Le Markdown conserve ce qui compte vraiment. Un ## reste une limite de section, un tableau reste un tableau avec une ligne d'en-tête, et un bloc de code reste délimité - le modèle peut donc utiliser la structure au lieu de devoir la déduire d'une soupe de <div>.
Comment le « chrome » de la page est retiré
Avant la conversion, l'outil effectue une passe de type « readability ». Les éléments script, style, iframe et form partent en premier. Ensuite, tout ce qui est structurellement de la navigation - <nav>, <aside>, <footer>, les rôles ARIA tels que navigation et contentinfo, ainsi que les éléments dont la classe ou l'id indique un menu, une barre latérale, une publicité, une bannière de cookies, un encart newsletter, une barre de partage ou une section de commentaires - est exclu. Enfin, l'outil descend depuis <body> jusqu'à l'élément le plus restreint qui contient encore presque toute la prose de la page, ce qui correspond au corps de l'article. L'outil vous indique ensuite précisément quels blocs il a écartés, et toute cette passe peut être désactivée si vous préférez convertir le document entier.
Questions fréquentes
Pourquoi convertir une page web en Markdown pour ChatGPT ou Claude ?
Deux raisons : le coût et la compréhension. Le HTML brut est surtout du balisage, donc le coller gaspille l'essentiel de votre fenêtre de contexte en balises et noms de classe - le Markdown dit habituellement la même chose en un dixième des tokens. Et comme le Markdown conserve les titres, listes et tableaux comme une véritable structure, le modèle distingue un titre de section d'un texte courant et un en-tête de tableau d'une ligne de données, ce qu'une extraction de texte brut ignore totalement.
Peut-il récupérer une URL, ou dois-je coller le HTML ?
Les deux fonctionnent. Basculez sur l'onglet URL, entrez une adresse, et la page est récupérée via ce site - un navigateur ne peut pas lire directement le HTML d'un autre domaine à cause des règles cross-origin, donc une étape serveur est ici inévitable. Les scripts sont retirés et les liens relatifs rendus absolus avant que le HTML n'atteigne le convertisseur. Coller du HTML ou téléverser un fichier .html se fait entièrement dans votre navigateur, sans rien envoyer nulle part.
Gère-t-il les tableaux, listes imbriquées et blocs de code ?
Oui. Les tableaux deviennent des tableaux Markdown au format GitHub avec une ligne d'en-tête, et les barres verticales dans une cellule sont échappées pour ne pas casser le tableau. Les listes imbriquées gardent leur imbrication et leur style de puce ou de numéro, y compris une liste numérotée à l'intérieur d'une liste à puces. Les blocs de code deviennent des blocs de code délimités, et le langage est repris d'une classe comme language-python. Le code en ligne, le gras, l'italique, le barré et les citations sont tous préservés.
Que deviennent les images et les liens ?
Les liens conservent leur URL sous la forme [texte](url) par défaut, avec une option pour ne garder que le texte du lien - sur une page riche en liens comme un article de wiki, cela peut à elle seule diviser par deux le nombre de tokens. Les images utilisent par défaut leur texte alternatif, car un chatbot ne peut pas voir l'image et le texte alternatif est ce qui porte le sens pour une fraction du coût d'une URL. Vous pouvez basculer vers la syntaxe standard  ou retirer les images entièrement.
Quelque chose est-il conservé ?
Non. Le HTML collé ou téléversé ne quitte jamais votre navigateur. Une URL que vous récupérez transite par ce site uniquement pour obtenir le HTML, qui est renvoyé directement à votre navigateur sans être conservé nulle part.