feat: migre l'extraction de pdftotext (poppler) vers pdfplumber

Remplace l'appel externe `pdftotext -layout` (poppler-utils) par
pdfplumber, une bibliotheque Python pure : plus aucune dependance
systeme, ce qui permettra d'empaqueter l'application en executable
autonome.

- `read_pdf()` retourne un `PdfContent` (texte layout + mots de la
  premiere page avec coordonnees) ; `extract_text_from_pdf()` est
  conserve comme wrapper de compatibilite.
- Metadonnees : la reference est desormais extraite via les
  coordonnees geometriques des mots (fiable sur l'en-tete
  multi-colonnes), regex du destinataire durcie (forme pointee
  `S.C.I.`).
- Operations : reduction des espaces multiples dans les descriptions.
- Dockerfile : suppression de poppler-utils.

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

src/plesna_gerance/parsers/pdf.py

@@ -1,28 +1,74 @@
-"""Extraction de texte depuis les PDFs."""
+"""Extraction de texte et de mots depuis les PDFs via pdfplumber.
 
-import subprocess
+pdfplumber est une bibliothèque Python pure : aucune dépendance système
+(contrairement à l'ancien `pdftotext`/poppler), ce qui permet d'empaqueter
+l'application en exécutable autonome (Windows notamment).
+"""
+
+from dataclasses import dataclass, field
+
+import pdfplumber
+
+
+@dataclass
+class PdfContent:
+    """Contenu extrait d'un PDF.
+
+    Attributes:
+        text: Texte de toutes les pages avec mise en page préservée
+            (équivalent de `pdftotext -layout`). Consommé par les parseurs
+            opérations et locataires.
+        words: Mots de la première page avec leurs coordonnées
+            (``text``, ``x0``, ``x1``, ``top``, ``bottom``). Utilisé par le
+            parseur de métadonnées pour les champs d'en-tête multi-colonnes
+            où l'alignement par espaces n'est pas fiable.
+    """
+
+    text: str
+    words: list[dict] = field(default_factory=list)
+
+
+def read_pdf(pdf_path: str) -> PdfContent:
+    """Lit un PDF et retourne son texte (layout) et les mots de l'en-tête.
+
+    Args:
+        pdf_path: Chemin vers le fichier PDF
+
+    Returns:
+        Un objet :class:`PdfContent`.
+    """
+    text_parts: list[str] = []
+    header_words: list[dict] = []
+
+    with pdfplumber.open(pdf_path) as pdf:
+        for page_index, page in enumerate(pdf.pages):
+            text_parts.append(page.extract_text(layout=True) or "")
+            # Les métadonnées se trouvent uniquement sur la première page.
+            if page_index == 0:
+                header_words = [
+                    {
+                        "text": w["text"],
+                        "x0": w["x0"],
+                        "x1": w["x1"],
+                        "top": w["top"],
+                        "bottom": w["bottom"],
+                    }
+                    for w in page.extract_words()
+                ]
+
+    return PdfContent(text="\n".join(text_parts), words=header_words)
 
 
 def extract_text_from_pdf(pdf_path: str) -> str:
-    """Extrait le texte du PDF via pdftotext.
+    """Extrait le texte du PDF avec mise en page préservée.
 
-    Nécessite pdftotext (poppler-utils) installé sur le système:
-    - Ubuntu/Debian: sudo apt-get install poppler-utils
-    - macOS: brew install poppler
+    Conserve la signature historique (retourne une chaîne) pour la CLI et
+    les parseurs qui ne consomment que le texte.
 
     Args:
         pdf_path: Chemin vers le fichier PDF
 
     Returns:
         Texte extrait du PDF avec mise en page préservée
-
-    Raises:
-        subprocess.CalledProcessError: Si pdftotext échoue
     """
-    result = subprocess.run(
-        ["pdftotext", "-layout", pdf_path, "-"],
-        capture_output=True,
-        text=True,
-        check=True,
-    )
-    return result.stdout
+    return read_pdf(pdf_path).text