Le sous-projet n°4 (SP4) est dédié à la restructuration de documents PDF, ou plus précisément à l’utilisation d’indices sémantiques pour réassocier correctement des éléments extraits de documents en PDF ou convertis en PDF (Tâche 4.1), ainsi qu’à la gestion de la diversité des mises en pages par un système de « signatures » nous permettant de traiter correctement des documents aux formatages variés, de la page de journal à l’ouvrage scientifique (Tâche 4.2).