Reconnaître le texte d’un PDF numérisé avec l’OCR

Comment appliquer l’OCR à un PDF

1. Ouvrez le PDF numérisé et choisissez la langue de son contenu. Elle peut être différente de celle de l’interface.
2. Lancez la reconnaissance et laissez la page ouverte. Les modèles de langue peuvent être téléchargés lorsqu’ils sont nécessaires.
3. Relisez l’aperçu, notamment les noms, dates, montants et numéros de référence.
4. Choisissez PDF recherchable, DOCX ou TXT et téléchargez avec l’accès avancé disponible. Ouvrez le résultat pour le contrôler.

Reconnaître aussi le texte des images

Si le PDF mêle des titres sélectionnables et du texte dans des images, activez « Reconnaître aussi le texte des images » avant de lancer l’OCR. Enregistrez ensuite un PDF avec recherche ou passez à Word. Le texte sélectionnable est conservé et les mots OCR superposés sont écartés pour éviter les doublons. Vérifiez le résultat avant utilisation.

PDF recherchable, Word ou texte brut

Un PDF recherchable conserve l’aspect du scan et ajoute une couche de texte. Un lecteur compatible peut rechercher et sélectionner les mots reconnus. La page ne devient pas pour autant un document Word.

DOCX permet de poursuivre dans un traitement de texte et peut demander des corrections de texte et de mise en page. TXT conserve le texte sans la composition des pages. Choisissez selon votre prochaine tâche.

Langue du document et qualité du scan

Choisissez la langue des pages pour guider la reconnaissance. Changer la langue de l’interface ne traduit pas le PDF. Reconnaissance de caractères et traduction sont deux opérations distinctes.

Un scan net et droit donne généralement de meilleurs résultats qu’une photo floue ou de très petits caractères. Vérifiez les confusions entre O et 0 ou I et 1. Les manuscrits et les pages complexes peuvent être reconnus de façon incomplète.

Traitement local et limites pratiques

Le PDF est traité dans le navigateur. Des logiciels et modèles de reconnaissance peuvent être téléchargés pendant l’utilisation ; cela ne correspond pas à l’envoi du document vers un serveur d’OCR.

Les fichiers longs demandent plus de mémoire et de temps. Vous pouvez d’abord extraire un groupe de pages avec Séparer PDF. Les téléchargements OCR utilisent le quota quotidien de fichiers disponible ou Pro.

Essayer avec des documents de démonstration

Les exemples contiennent des données fictives, sans informations réelles de clients. Les documents sources en anglais sont signalés. Gardez l’original pour comparer : un exemple ne garantit pas le même comportement pour chaque PDF.

Reconnaître une page dont les mots ne sont pas encore sélectionnables

Le scan de démonstration contient une image de la note de projet, sans couche de texte. Essayez d’abord de sélectionner ses mots dans un lecteur. Après l’OCR, comparez le texte reconnu à l’image et au PDF de texte intact.

Choisir la langue imprimée dans le document

Sélectionnez le français pour cette page, même si vous utilisez l’interface dans une autre langue. La langue des menus n’identifie pas automatiquement les mots d’une image. Commencez avec cette seule page pour vérifier les ressources disponibles et la capacité de l’appareil.

Relire les accents et les références

Contrôlez DEMO-FR-001, Version : A et Utilisateur fictif. Portez attention aux caractères accentués et aux lettres proches de chiffres. Pouvoir retrouver un mot ne confirme pas que chaque caractère de la page ou son ordre de lecture a été correctement reconnu.

Vérifiez le résultat

• Confirmez l’absence de texte sélectionnable dans le scan initial.
• Choisissez le français comme langue de reconnaissance.
• Comparez les noms et les codes reconnus avec l’image.

Essayez avec des fichiers fictifs

Les fichiers de démonstration contiennent des données fictives. Gardez les originaux et examinez vos propres copies exportées. Les téléchargements avancés utilisent les quotas actuels et offres Pro.

Pour poursuivre votre travail :

Questions fréquentes

Continuer avec un autre outil PDF

Tous les outils PDF →