OCR PDF – PDF cherchable

Rendez vos scans cherchables et copiables

Un PDF scanné est une pile d'images : impossible d'y rechercher, d'en copier une phrase ou de le faire lire à voix haute par un lecteur d'écran. L'OCR (reconnaissance optique de caractères) lit les lettres de ces images et ajoute une couche de texte invisible juste par-dessus. La page a le même aspect, mais Ctrl+F trouve désormais les mots, le texte peut être sélectionné et copié, et votre ordinateur ou un système de gestion documentaire peut indexer le document.

Fileopia exécute l'OCR avec le moteur Tesseract dans votre navigateur. Les modèles de langue sont téléchargés une fois puis mis en cache ; vos scans ne sont jamais envoyés. Il convient donc aux dossiers médicaux, juridiques, factures et pièces d'identité.

Fonctions

• 12 langues, combinables deux par deux : voir le tableau ci-dessous.
• Sortie PDF cherchable : les pages d'origine sont conservées et du texte invisible est ajouté.
• Export TXT : obtenez le texte reconnu sous forme de fichier texte brut, ou PDF et TXT à la fois.
• Plage de pages : passez l'OCR seulement sur les pages nécessaires.
• Ignorer les pages qui ont déjà du texte : les documents mixtes sont traités plus vite et le texte numérique existant n'est pas dupliqué.
• Résolution réglable : 200 DPI est une bonne valeur par défaut ; montez à 300 pour les petits caractères.

Langues d'OCR prises en charge

Choisissez une deuxième langue pour les documents bilingues, comme anglais + hindi ou français + arabe.

Comment passer un PDF à l'OCR

• Déposez votre PDF scanné.
• Choisissez la langue du document (et, si vous le souhaitez, une deuxième).
• Choisissez la sortie : PDF cherchable, TXT ou les deux.
• Si vous le souhaitez, indiquez une plage de pages et laissez cochée l'option « Ignorer les pages qui contiennent déjà du texte ».
• Cliquez sur Démarrer et patientez : chaque page prend quelques secondes selon votre appareil.
• Téléchargez et testez : appuyez sur Ctrl+F dans votre lecteur PDF et recherchez un mot.

Comment obtenir la meilleure précision

• Scannez à 300 DPI en niveaux de gris ou en couleur ; 200 DPI suffit pour un texte de taille normale.
• Les pages droites sont mieux reconnues : corrigez les scans de travers avec Redresser un PDF et les pages couchées avec Faire pivoter un PDF.
• Choisissez la bonne langue ; les accents et les lettres non latines en dépendent.
• Le texte très clair, pâli ou manuscrit est difficile pour tout OCR ; l'écriture manuscrite n'est en général pas prise en charge.
• Pour les photos prises au téléphone, le Scanner PDF recadre et améliore les pages avant l'OCR.

Que faire d'un PDF passé à l'OCR ?

• Rechercher dans de grandes archives de lettres et de contrats scannés.
• Copier des citations et des chiffres dans des rapports.
• Le convertir en formats modifiables avec PDF en Word ou en tableaux avec PDF en Excel.
• Rendre les documents accessibles aux utilisateurs de lecteurs d'écran.
• Modifier le texte avec Modifier un PDF.

PDF cherchable ou fichier texte

Un PDF cherchable garde l'aspect exact du scan d'origine avec du texte sélectionnable dessous : idéal pour archiver et partager. Un fichier TXT ne contient que les mots, sans mise en page : idéal pour coller dans d'autres logiciels, traduire ou analyser. Choisissez « les deux » si vous avez besoin des deux.

Confidentialité de l'OCR dans le navigateur

Beaucoup de services d'OCR en ligne envoient vos scans sur un serveur pour les traiter. Ici, le moteur OCR et les données de langue s'exécutent sur votre propre ordinateur ou téléphone. Une fois la page et le modèle de langue chargés, vous pouvez même vous déconnecter d'internet et continuer le traitement.

Vitesse et gros documents

L'OCR demande beaucoup de calcul. Un ordinateur portable récent traite généralement une page en quelques secondes ; les téléphones prennent plus de temps. Pour un scan de 200 pages, utilisez la plage de pages pour le traiter par parties, ou laissez l'onglet ouvert pendant le travail : la progression s'affiche page par page.

OCR pour les écritures de droite à gauche et indiennes

L'arabe est reconnu de droite à gauche et la couche de texte conserve le bon ordre de lecture : la recherche et la copie fonctionnent dans les lecteurs en arabe. Le hindi (devanagari) et le tamoul sont pris en charge avec leurs propres modèles entraînés, y compris les ligatures et les signes vocaliques. Pour les documents mixtes (par exemple un formulaire en anglais avec des noms en hindi), choisissez les deux langues pour que chaque mot soit comparé au bon alphabet.