Dans ce guide
Qu’est-ce que l’OCR et à quoi sert-elle ?
L’OCR, pour Optical Character Recognition (reconnaissance optique de caractères), transforme des images de texte en véritable texte lisible par une machine. Un scan ou une photo de page n’est qu’une image : vous pouvez la regarder, mais pas rechercher, copier ou modifier les mots. L’OCR analyse l’image, reconnaît les caractères imprimés (et parfois manuscrits) et les restitue sous forme de texte. Pour extraire le texte d’un document numérisé, ouvrez-le dans une application avec OCR, lancez la reconnaissance, puis copiez ou enregistrez le résultat.
Contrats numérisés
Copiez une clause dans un e-mail ou retrouvez un terme dans un long contrat sans lire chaque page.
Factures et tickets
Récupérez montants, dates et numéros de facture pour la comptabilité au lieu de les recopier.
Texte de photos
Récupérez le texte d’un panneau, d’un tableau blanc ou d’un document imprimé photographié.
Archives consultables
Retrouvez d’anciens documents grâce à un mot qu’ils contiennent, pas seulement par leur nom de fichier.
Lettres et notes
Numérisez courriers et notes dactylographiées pour pouvoir les rechercher et les citer plus tard.
Réutiliser du texte imprimé
Reprenez le texte d’une page imprimée dans un document ou un formulaire sans le retaper.
Comment extraire le texte d’un PDF numérisé – étape par étape
Les options varient d’une application à l’autre, mais la démarche OCR ressemble généralement à ceci :
Ouvrir une application avec OCR
Utilisez un scanner de documents, une application PDF ou un outil OCR doté d’une reconnaissance de texte.
Importer un PDF numérisé ou capturer un nouveau document
Ouvrez un scan ou une image existants, ou numérisez le document directement. Les photos que vous avez déjà peuvent aussi être converties en PDF d’abord.
Choisir la reconnaissance de texte
Cherchez des options comme « OCR », « Reconnaître le texte » ou « Extraire le texte ».
Choisir la langue du document si nécessaire
Certains outils demandent la langue pour utiliser le bon alphabet et le bon dictionnaire ; d’autres la détectent automatiquement.
Lancer la reconnaissance
L’application analyse chaque page. Selon le nombre de pages et l’appareil, cela prend de quelques secondes à quelques minutes.
Vérifier le texte reconnu
Comparez le résultat à l’original, surtout les noms, chiffres, montants et dates.
Corriger les erreurs de reconnaissance
Corrigez les caractères mal lus, comme 0 et O ou 1 et l, avant de vous fier au texte.
Copier, exporter ou enregistrer le texte
Copiez-le dans le presse-papiers, exportez-le en fichier texte ou enregistrez-le dans le PDF comme couche de texte consultable, selon ce que permet l’application.
Comment fonctionne la reconnaissance optique de caractères ?
Un logiciel d’OCR analyse des motifs visuels, un peu comme vous reconnaissez les lettres en lisant. Schématiquement, cela se fait en cinq étapes :
- Capture de l’image : un scan ou une photo fournit l’image de la page.
- Prétraitement : le logiciel redresse la page, augmente le contraste, supprime le bruit et sépare le texte du fond.
- Reconnaissance des caractères et des mots : il repère lignes, mots et caractères et compare leurs formes à des motifs appris ; les moteurs modernes utilisent l’apprentissage automatique et tiennent compte des mots entiers dans leur contexte.
- Extraction du texte : les caractères reconnus sont assemblés en mots, lignes et paragraphes dans l’ordre de lecture.
- Résultat : le texte s’affiche en clair, est enregistré dans un fichier ou réécrit dans le PDF sous forme de couche invisible.
Comme l’OCR travaille à partir de ce qu’elle voit, elle ne peut pas lire ce qui n’est pas nettement visible : les caractères flous, pâles ou déformés sont la principale source d’erreurs.
PDF numérisé ou PDF consultable : quelle différence ?
Tous les PDF qui affichent du texte n’en contiennent pas forcément. Il en existe trois sortes :
| Critère | PDF image | PDF consultable | PDF créé numériquement |
|---|---|---|---|
| Comment il est créé | Numérisé ou photographié | Numérisé, puis l’OCR ajoute une couche de texte | Exporté depuis un traitement de texte ou un autre programme |
| Texte sélectionnable et consultable | Non | Oui | Oui |
| Ce que vous voyez | Une image de la page | La même image de la page | Du texte affiché à partir de polices |
| Exactitude du texte | Pas de texte | Aussi bonne que l’OCR | Exacte |
Extraire le texte ne rend pas automatiquement un PDF consultable. Beaucoup d’applications affichent le texte reconnu à part ou permettent de le copier, tandis que le PDF reste une simple image. Pour un PDF consultable, l’application doit écrire les mots reconnus dans le document sous forme de couche invisible, placée sur les mots correspondants de l’image.
Pensez à cette couche quand vous compressez le PDF plus tard : les outils qui redessinent les pages en images la suppriment.
Comment améliorer la précision de l’OCR
Une bonne OCR commence par une bonne image. Ces conseils font la plus grande différence :
Des scans nets en bonne résolution
Les petits caractères ont besoin d’assez de pixels. Un scan net en qualité document vaut mieux qu’une grande photo floue.
Un éclairage homogène
Une lumière uniforme sur la page aide le logiciel à séparer le texte du papier.
Ni ombres ni reflets
Ombres et reflets masquent des parties de caractères. Évitez le flash sur papier brillant.
Des pages bien à plat
Les lignes courbées près de la reliure ou sur du papier plié sont plus difficiles à reconnaître. Aplatissez les pages avant de numériser.
Une perspective corrigée
Des pages droites et rectangulaires, aux lignes bien horizontales, donnent de bien meilleurs résultats que des photos de biais.
La bonne langue de reconnaissance
Si l’outil le permet, choisissez la langue du document pour que les accents et caractères spéciaux soient reconnus.
Pas de compression excessive
Les images très compressées brouillent les contours des lettres. Lancez l’OCR avant de compresser, pas après.
Vérifier le résultat
Même une bonne OCR se trompe. Vérifiez chiffres, noms et montants avant d’utiliser le texte.
La précision dépend de la qualité du document, de la langue, des polices, du caractère manuscrit ou non du texte et du moteur d’OCR lui-même. Un texte imprimé net est généralement très bien reconnu ; polices inhabituelles, tableaux et mauvais scans produisent davantage d’erreurs.
L’OCR peut-elle reconnaître l’écriture manuscrite ?
Certains systèmes d’OCR savent reconnaître l’écriture manuscrite, souvent appelée reconnaissance d’écriture manuscrite, mais les résultats varient beaucoup et toutes les applications d’OCR ne la proposent pas. Les lettres capitales soignées fonctionnent bien mieux qu’une écriture de tous les jours. Les difficultés typiques :
- Écriture cursive : les lettres liées sont difficiles à séparer en caractères individuels.
- Caractères peu lisibles : un a, un o et un u ou un 1 et un 7 écrits à la hâte peuvent se ressembler presque parfaitement.
- Langues mélangées : passer d’une langue à l’autre perturbe le dictionnaire sur lequel s’appuie le moteur.
- Mises en page inhabituelles : notes en marge, flèches et texte en biais ne suivent pas l’ordre de lecture normal.
- Mauvaise qualité d’image : crayon pâle, traits fins et faible contraste rendent l’écriture encore plus difficile à lire.
Pour les documents manuscrits, considérez le résultat de l’OCR comme un brouillon et vérifiez-le soigneusement par rapport à l’original.
OCR hors ligne ou OCR en ligne ?
L’OCR peut fonctionner sur un serveur distant ou directement sur votre appareil. Pour les contrats, documents financiers et informations personnelles, la différence compte.
| Critère | Service d’OCR en ligne | Application d’OCR hors ligne |
|---|---|---|
| Où se fait la reconnaissance | Sur des serveurs distants | Sur votre appareil |
| Envoi nécessaire | Généralement oui | Non |
| Connexion Internet | Nécessaire | Inutile |
| Fonctionnalités | Peut offrir une reconnaissance avancée, par ex. pour des mises en page complexes | Selon l’application et l’appareil |
| Confidentialité | Dépend des pratiques de confidentialité et de conservation du service | Le contenu des documents n’est pas envoyé pour la reconnaissance |
Les services d’OCR en ligne
Les services en ligne peuvent être performants, mais votre document est envoyé et traité sur les serveurs de quelqu’un d’autre. Sa durée de conservation et les personnes qui y ont accès dépendent des pratiques du fournisseur ; vérifiez-les avant d’envoyer des documents sensibles.
Les applications d’OCR hors ligne
Les applications hors ligne reconnaissent le texte localement et fonctionnent sans connexion Internet : le contenu des documents n’a pas à quitter votre appareil pour la reconnaissance. C’est donc un bon choix pour les contrats, documents financiers et informations personnelles. Le traitement hors ligne ne garantit toutefois pas à lui seul une sécurité totale : protégez votre appareil par un verrouillage de l’écran et vérifiez si l’application synchronise les fichiers dans un cloud. Voir aussi numériser des documents hors ligne.
Bientôt disponible
Extraire du texte avec PDFDocify
PDFDocify, le scanner de documents et l’application PDF hors ligne de SlickLab en cours de préparation pour son lancement, intègre une reconnaissance de texte pour le texte imprimé. Après avoir numérisé un document ou importé un PDF, « Reconnaître le texte » lit toutes les pages sur votre appareil. Vous pouvez ensuite copier le texte, l’exporter en fichier texte ou y rechercher des mots, et le contenu reconnu rend aussi vos documents consultables dans la bibliothèque de l’application. Si vous le souhaitez, PDFDocify ajoute le texte au PDF sous forme de couche invisible, en copie ou à la place de l’original, pour que le PDF devienne consultable dans d’autres applications aussi. La reconnaissance de texte fait partie de PDFDocify Premium ; la numérisation et le classement sont gratuits.
Inclus gratuitement
- Numérisation illimitée
- Détection automatique des bords et correction de la perspective
- Filtres : Auto, Noir et blanc, Niveaux de gris, Couleur, Original
- PDF multipages : réorganisez, faites pivoter et supprimez des pages
- Importez des photos depuis votre galerie
- Bibliothèque de documents avec dossiers, recherche et tri
- Partagez et exportez vos PDF vers n’importe quelle application
PDFDocify Premium
- OCR hors ligne : copiez et recherchez du texte
- PDF avec texte consultable
- Fusionner des PDF
- Compresser des PDF
- Signatures manuscrites
- Protection par mot de passe
- Traitement par lots
La reconnaissance se fait entièrement sur votre appareil, sans envoi de fichiers. Les PDF protégés par mot de passe doivent d’abord être déverrouillés. Une connexion Internet n’est nécessaire que pour les achats intégrés.
Questions fréquentes
Comment extraire le texte d’un PDF numérisé ?
Ouvrez le PDF numérisé dans une application avec OCR, lancez la reconnaissance de texte et vérifiez le résultat. Selon l’application, vous pouvez ensuite copier le texte, l’exporter ou l’enregistrer dans le PDF comme couche de texte consultable.
Qu’est-ce que l’OCR ?
OCR signifie Optical Character Recognition, ou reconnaissance optique de caractères. C’est un logiciel qui reconnaît lettres, chiffres et mots dans une image, comme un scan ou une photo, et les transforme en texte lisible par une machine.
L’OCR peut-elle transformer une image en texte modifiable ?
Oui. L’OCR extrait le texte d’une image pour que vous puissiez le copier dans un traitement de texte ou un e-mail et le modifier. La mise en page, les polices et les tableaux ne sont généralement pas reproduits à l’identique : un peu de remise en forme peut être nécessaire.
Peut-on rendre un PDF numérisé consultable ?
Oui, si votre application peut enregistrer le texte reconnu dans le PDF sous forme de couche invisible. La page reste identique, mais le texte devient sélectionnable et consultable dans n’importe quelle visionneuse PDF. Extraire le texte seul ne modifie pas le PDF.
L’OCR fonctionne-t-elle avec des documents manuscrits ?
Parfois. Certains systèmes d’OCR reconnaissent l’écriture manuscrite, mais les résultats varient beaucoup et de nombreux outils ne prennent en charge que le texte imprimé. Les capitales soignées fonctionnent le mieux ; l’écriture cursive et peu lisible produit souvent des erreurs.
L’OCR fonctionne-t-elle sans connexion Internet ?
Oui, les applications d’OCR hors ligne reconnaissent le texte directement sur votre appareil. Les services en ligne ont besoin d’une connexion et envoient votre document. PDFDocify reconnaît le texte hors ligne.
L’OCR est-elle toujours exacte ?
Non. Un texte imprimé net est généralement très bien reconnu, mais les mauvais scans, les polices inhabituelles, les mises en page complexes et l’écriture manuscrite entraînent des erreurs. Vérifiez toujours les informations importantes comme les noms, chiffres et montants.
Conclusion
L’OCR transforme documents numérisés et photos, simples images, en texte que vous pouvez copier, rechercher et réutiliser. De bons résultats commencent par des scans nets, à plat et bien éclairés, et une relecture rapide repère les erreurs restantes. Pour les documents sensibles, l’OCR hors ligne garde le contenu sur votre appareil. Si vous cherchez une application qui numérise, reconnaît le texte et rend vos PDF consultables hors ligne, découvrez PDFDocify et inscrivez-vous sur la liste d’attente pour son lancement.
Guides associés
Comment numériser des documents en PDF
Transformez vos papiers en PDF nets avec votre téléphone : sept étapes, de la préparation de la page au fichier final, et des conseils pour des scans nets et confidentiels.
Lire le guide
Comment convertir des images en PDF
Transformez photos, JPG et PNG en PDF : convertissez une image ou réunissez-en plusieurs dans un document, sans perte de qualité ni de confidentialité.
Lire le guide
Comment compresser des fichiers PDF sans perte de qualité
Allégez vos PDF pour l’e-mail et les envois en ligne : choisissez le bon niveau, gardez le texte lisible et compressez sans rien envoyer.
Lire le guide
Comment numériser des documents hors ligne et en toute confidentialité
Numérisez sans connexion Internet et gardez vos documents sensibles sur votre appareil : comment fonctionne la numérisation hors ligne et comment protéger vos scans.
Lire le guide