Comment rendre un PDF numérisé consultable ?

Pourquoi ne puis-je pas chercher ni copier de texte dans un PDF numérisé ?

Parce qu’un scan est une image de la page, pas du vrai texte. Votre lecteur PDF voit des pixels en forme de lettres, pas les lettres elles-mêmes.

• C’est une photo, pas du texte : le logiciel de numérisation enregistre chaque page comme une image, un peu comme une photo prise au téléphone.
• Ctrl+F ne trouve rien : il n’y a pas de texte derrière l’image que votre lecteur PDF pourrait chercher.
• Le copier-coller ne marche pas : essayez de sélectionner une phrase et vous attraperez toute la page en image, ou rien du tout.
• Les lecteurs d’écran restent muets : sans texte à lire, une personne qui utilise un lecteur d’écran n’entend rien.

Comment l’OCR rend-il un scan consultable ?

L’OCR regarde la forme de chaque lettre de la page, détermine à quel caractère elle correspond, puis pose un texte invisible sur l’image au même endroit.

• L’image ne change pas : l’OCR ajoute une couche de texte cachée sous ce que vous voyez déjà, il ne redessine pas la page.
• Il vérifie tout le document : un scan de 20 pages, ce sont 20 pages de formes comparées à des modèles de lettres.
• La langue compte : choisissez la bonne langue avant de lancer OCR PDF, car il lit en fonction de cet alphabet.
• Les scans propres vont plus vite : une page nette et bien éclairée prend quelques secondes. Une page floue ou de travers prend plus de temps et fait plus d’erreurs.

L’OCR est-il vraiment précis ?

Sur un texte tapé et propre, il est très bon aujourd’hui, souvent juste à 98 ou 99 %. Sur des scans médiocres ou de l’écriture manuscrite, il est bien moins fiable.

• Texte tapé : un scan net d’une page imprimée ressort en général presque mot pour mot.
• Écriture soignée : les capitales et l’écriture script tournent autour de 80 à 95 % de réussite, selon la personne qui écrit.
• Écriture attachée : c’est le cas le plus difficile pour la plupart des outils d’OCR, qui tombent parfois sous 60 % de réussite.
• Confusions fréquentes : les caractères qui se ressemblent le piègent, comme la lettre O et le chiffre 0, ou « rn » lu comme « m ».
• Un mauvais scan aggrave tout : peu de lumière, une page de travers ou une photo en basse résolution laissent moins de matière à l’OCR.

Quelles sont les étapes pour rendre un PDF numérisé consultable ?

Envoyez le fichier, lancez l’OCR, et testez le résultat avant de vous y fier.

• Ouvrez OCR PDF et ajoutez votre fichier numérisé.
• Choisissez la langue du document, pour que l’outil le lise correctement.
• Lancez-le et téléchargez le résultat. Il a le même aspect qu’avant, mais contient maintenant une couche de texte en dessous.
• Testez-le : ouvrez le nouveau fichier et cherchez un mot que vous voyez sur la page.
• Vérifiez tout ce qui compte, comme une clause de contrat ou un numéro d’identité, par rapport au scan d’origine.

Puis-je transformer un PDF numérisé en document Word modifiable ?

Oui. Une fois qu’un scan a une couche de texte, vous pouvez en sortir les mots et les modifier directement.

• L’OCR d’abord : PDF en Word récupère le texte déjà présent dans le fichier, donc un scan a besoin d’une couche de texte d’OCR PDF avant la conversion.
• Prévoyez un peu de nettoyage : les retours à la ligne, les numéros de page et les tableaux tombent rarement parfaitement, alors relisez avant de l’envoyer.
• Juste les mots, sans mise en forme : PDF en TXT vous donne du texte brut, sans rien d’autre.

Essayer les outils

Essayez avec votre propre fichier. Les outils sont gratuits et aucun compte n’est nécessaire.