Reconnaissance de texte (OCR)
Reconnaître le texte d'un PDF scanné pour pouvoir le chercher, le sélectionner et le copier.
Traité sur nos serveurs, en France
Un PDF scanné n'est qu'une suite d'images : on n'y cherche pas un mot, on n'en copie pas une ligne. La reconnaissance optique de caractères — l'OCR — lit le texte de chaque page et le place sous l'image, invisible : le document devient cherchable, sélectionnable et copiable, sans que son apparence change. Si vos pages sont des photos et non un PDF, l'outil « Photos en PDF » fait la même lecture après les avoir assemblées.
Sans compte : fichiers jusqu'à 3 Mo et 5 pages lues. La lecture redessine chaque page, ce qui demande du temps et de la machine.
Formats acceptés : .pdf.
Comment ça marche
- 1
Déposez votre fichier
Glissez-le dans la zone prévue, ou choisissez-le depuis votre appareil.
- 2
Choisissez vos options
L'outil vous montre ce qu'il va faire avant de le faire.
- 3
Récupérez le résultat
Le fichier produit est prêt au téléchargement, puis effacé automatiquement.
Ce que la lecture fait, point par point
Quatre choses faites au document, puis la liste de ce que la lecture ne fait pas. Tout est exécuté sur nos serveurs, hébergés en France : le fichier n'est envoyé à aucun service extérieur, et il est détruit à l'échéance annoncée avant le dépôt.
La couche de texte, posée sous l'image
Les caractères reconnus sont inscrits dans le fichier, invisibles, à l'endroit exact où ils se lisent sur l'image. L'image n'est pas touchée : ses pixels ressortent identiques, octet pour octet. Le document se cherche, se sélectionne et se copie, et il s'imprime comme avant.
texte invisible placé sous l'image · pixels inchangés · recherche, sélection et copie · apparence et impression identiques
La confiance de la lecture, page par page
Chaque page lue repart avec le nombre de mots trouvés et une confiance moyenne sur cent, et les pages les plus basses sont nommées. C'est ce qui sépare un document lu à quatre-vingt-dix d'un document lu à soixante : une fois les caractères dans le fichier, les deux se lisent pareil, et c'est le second dont les montants sont à vérifier sur le papier.
mots lus par page · confiance moyenne sur 100 · pages à relire sur l'original, nommées · aucun verdict « lisible » ni « fiable »
Les pages qui portaient déjà leur texte
Une page qui a déjà ses caractères n'est pas relue : la reconnaissance ne pourrait que l'abîmer. Le rapport dit combien de pages ont été laissées de côté, pour qu'un document qui n'avait rien à lire ne passe pas pour un document mal lu — et un document entièrement textuel ressort inchangé.
page textuelle laissée intacte · nombre de pages non relues · document déjà textuel rendu tel quel
Les pages remises à leur format
Un scanner écrit parfois le nombre de pixels de l'image là où le fichier attend des points : la page se déclare alors large de cinquante-huit centimètres, et s'imprime de travers. Quand une densité de numérisation plausible retombe sur un format de papier normalisé, la page y est ramenée — par la géométrie seule, sans réencoder l'image.
page déclarant ses pixels en points · retour à un format de papier normalisé · aucun pixel réencodé · nombre de pages remises
Ce que la lecture ne fait pas
L'écriture manuscrite n'est pas lue, et rien de ce qui a été lu n'est corrigé : un mot mal reconnu reste tel quel dans le fichier, sous l'image qui le montre correctement. Une page qu'aucun caractère n'a traversée est annoncée comme non lue, et non comme vide : un examen qui n'a rien pu lire ne vaut pas un examen qui n'a rien trouvé.
manuscrit non lu · aucune correction de ce qui a été lu · page sans caractère annoncée non lue · langue choisie au dépôt, jamais devinée
Questions fréquentes
- Qu'est-ce que l'OCR ?
- L'OCR, pour reconnaissance optique de caractères, est la lecture automatique du texte présent sur une image. Un document scanné ou photographié n'est qu'une photographie de page : l'OCR y reconnaît les mots et les inscrit dans le fichier, sous l'image et invisibles, pour que le texte se cherche et se copie alors que la page reste identique à l'œil.
- Quelles langues sont reconnues ?
- Le français, l'anglais, l'allemand, le portugais et le chinois simplifié, ainsi que le couple français-anglais pour un document qui mélange les deux. Une seule langue est lue environ deux fois plus vite qu'une paire : choisissez celle du document.
- Combien de temps mes fichiers sont-ils conservés ?
- Sans compte, votre fichier et le résultat sont supprimés automatiquement 15 minutes après le traitement ; 1 heure avec un compte gratuit. Passé ce délai, ils ne sont plus récupérables, y compris par nous.
- Faut-il créer un compte ?
- Non, le service s'utilise sans compte : 3 traitements par jour, fichiers jusqu'à 3 Mo. Un compte gratuit porte ces plafonds à 20 traitements et 10 Mo, et garde le résultat plus longtemps.
- Où sont traités mes documents ?
- Sur nos propres serveurs, situés en France. Votre document n'est envoyé à personne d'autre que vous.