Por que o PDF não guarda parágrafos
O PDF foi feito para a página sair igual em qualquer tela, e por isso guarda cada pedaço de texto com a posição exata em que é desenhado. O pdf.js, a biblioteca da Mozilla que lê o arquivo aqui, entrega esses pedaços com o texto, a posição, a largura e, no máximo, um aviso de fim de linha: não existe campo de parágrafo, de título nem de célula. O .docx é o contrário: um pacote compactado com arquivos XML, em que o texto fica em word/document.xml, organizado em parágrafos e tabelas que o Word refaz a cada letra digitada.
A conversão, então, é uma leitura da página. Trechos na mesma altura viram uma linha; uma faixa vazia de cima a baixo no meio da página separa duas colunas, lidas uma depois da outra; linhas com blocos de texto alinhados nas mesmas posições viram uma tabela; o resto se junta em parágrafos, com a palavra que o PDF partiu com hífen no fim da linha emendada de novo. A letra pelo menos 1,6 vez maior que a do corpo do texto vira Título 1 do Word, e a partir de 1,25, Título 2, o que deixa o documento navegável no painel lateral.
O PDF escaneado é outra coisa: a página é uma foto, e não há letras para remontar. Se o arquivo já passou por reconhecimento de texto (OCR), a camada de texto invisível vira texto no Word, inclusive em folha digitalizada de lado. Sem essa camada, a página entra no Word como imagem, e a tela avisa quais páginas são assim antes de você converter.