Rendre un PDF numérisé consultable grâce à l'OCR
Un PDF numérisé ressemble à du texte, mais c'est en réalité une image de la page : impossible de sélectionner un mot ou de rechercher un nom. L'OCR (reconnaissance optique de caractères) lit l'image et ajoute une vraie couche de texte, ce qui rend le document consultable et copiable.
Comment savoir si vous avez besoin de l'OCR
Essayez de sélectionner une ligne de texte dans le PDF. Si votre curseur surligne les mots un par un, le fichier possède déjà une couche de texte. Si rien ne se sélectionne, ou si toute la page se surligne comme une seule image, c'est une numérisation qui a besoin de l'OCR.
C'est important pour retrouver une clause dans un long contrat, citer un passage d'un rapport ou rendre des archives consultables.
Étape par étape
Ouvrez OCR PDF et importez votre document numérisé. L'outil lit chaque page et crée une couche de texte derrière l'image.
Téléchargez le résultat. Il est visuellement identique, mais vous pouvez désormais sélectionner, copier et rechercher le texte, et les autres outils peuvent aussi le lire.
Obtenir les meilleurs résultats
La précision de l'OCR dépend de la qualité de la numérisation. Des numérisations droites, bien contrastées et bien éclairées sont lues presque parfaitement ; des numérisations de travers ou pâles produisent davantage d'erreurs. Redresser d'abord une numérisation inclinée améliore le résultat.
Pour quelques chiffres essentiels, vérifiez-les toujours par rapport à l'original, car aucun OCR n'est parfait sur une numérisation de mauvaise qualité.
Pourquoi une numérisation a besoin de l'OCR
Un PDF numérisé ressemble à un document, mais pour un ordinateur ce n'est qu'une photo de document. Vous ne pouvez ni sélectionner le texte, ni le rechercher, ni le copier, car il n'y a pas de texte, seulement une image d'encre sur du papier. L'OCR (reconnaissance optique de caractères) lit les formes de cette image et reconstitue les caractères réels, pour transformer l'image en une vraie couche de texte, consultable et sélectionnable, placée sous la page.
C'est l'étape qui débloque tout le reste : une fois qu'une numérisation possède une couche de texte, vous pouvez y faire des recherches, en copier des passages, la convertir en Word et la modifier. Sans OCR, un contrat numérisé n'est en pratique qu'une photo inexploitable.
Obtenir un résultat précis
La précision de l'OCR dépend fortement de la qualité de la numérisation. Une numérisation nette, bien contrastée et droite d'un texte imprimé est lue presque parfaitement. Une photocopie pâle, une page photographiée de biais ou un texte manuscrit sont beaucoup plus difficiles. Pour un résultat optimal, numérisez ou photographiez sous un bon éclairage, gardez la page bien à plat et de face, et utilisez la résolution la plus élevée raisonnable.
Si une page est sortie de travers, la redresser d'abord avec Redresser PDF améliore nettement la reconnaissance, car l'OCR lit les lignes de texte de façon plus fiable lorsqu'elles sont vraiment horizontales.
Que faire après l'OCR ?
Une fois la numérisation consultable, vous pouvez l'exploiter : la convertir en Word pour la rendre entièrement modifiable, en copier des citations ou des chiffres, ou simplement la conserver comme PDF archivé que vous retrouverez plus tard en recherchant son texte. Pour de grandes séries de documents numérisés, c'est l'OCR qui transforme une pile d'images inutilisable en une bibliothèque consultable.