PDF OCR

Ce qu'elle fait

Un PDF numérisé est une image de chaque page : on dirait du texte, mais on ne peut ni le rechercher, ni le sélectionner, ni le copier. Cet outil lit chaque page par OCR (le moteur Tesseract) et écrit les mots trouvés sous forme de texte invisible par-dessus la page d'origine, au même endroit. Le PDF a exactement le même aspect, mais la recherche, la sélection et la copie fonctionnent, ainsi que l'indexation par les moteurs de recherche et les systèmes documentaires.

Comment l'utiliser

1. Choisissez le PDF numérisé.
2. Choisissez la langue du document ; les pages qui contiennent déjà du texte sont ignorées.
3. Cliquez sur « Rendre consultable » et téléchargez le PDF quand il est prêt.

Questions fréquentes

Le PDF a-t-il un aspect différent ?
Non. Les pages d'origine restent telles quelles, en pleine qualité ; la couche de texte est invisible et n'apparaît que lors d'une sélection ou d'une recherche.

Quelle est la précision ?
Pour des pages imprimées nettes dans des langues à écriture latine, plus de 99 % des caractères sont en général corrects. L'écriture manuscrite, les numérisations en basse résolution, les tampons et les tableaux sont moins bien lus : vérifiez donc les chiffres importants. Le résultat indique la confiance moyenne.

Pourquoi est-ce lent ?
Chaque page est lue dans votre navigateur à 300 dpi, ce qui prend quelques secondes par page sur un ordinateur et davantage sur un téléphone. Rien n'est envoyé à un serveur, la vitesse dépend donc de votre appareil.

Puis-je appliquer l'OCR à un PDF caviardé ?
Oui. Les pages caviardées deviennent des images et l'OCR rend à nouveau consultable leur texte visible ; ce qui était noirci reste noir et n'est pas lu.

Mon PDF est-il envoyé quelque part ?
Non. Les pages sont lues et le PDF est écrit dans votre navigateur ; rien n'est envoyé à un serveur.

🔡 Image en texte (OCR)
⬛ Caviarder un PDF
📘 PDF en Word

Wikipedia — Optical character recognition
Wikipedia — Tesseract (software)